http://www.fullengineeringbook.net 2 of 461.
P R I M E R A
E D I C I Ó N
Álgebra lineal para cursos con enfoque por competencias David C. Lay University o f Maryland— College Park Traducción
Ana Elizabeth García Hernández Traductora especialista en matemáticas
Adaptadores técnicos
Javier Alfaro Pastor Marcela González Peláez Marta del Carmen López Laiseca Departamento de Matemáticas Instituto Tecnológico Autónomo de México
Colaboración especial de
Javier Alfaro Pastor y Marcela González Peláez en la redacción del capítulo Números complejos Revisión didáctica
Verónica Valdcs Salmerón Licenciatura en Psicología Universidad Iberoamericana
PEARSON http://www.fullengineeringbook.net 3 of 461.
/
Ihlos de catalogación bibliográfica
LAY. DAVID C
Algebra Knral para curco* con enfoque por competencia*. Primera edición PE ARSON EDUCACIÓN. México, 2013 ISBN: 978-607-32-1638-8 Área: Matemáticas Formato: 21 X 27 cm
Paginas: 456
Adaptation of the authorized translation from the English language editlon, entitled IJNEAR ALGEBRA AND TTSAPPIJCATIONS4th Edltlon. by DAVID C. LAY. publkshed by Pearson Educatioa Inc.. publishlngas Pearson. Copyrlghi © 2012. A1I rights reservad. ISBN 9780321385178 Adaptación de la traducción autorizada de la edición en Idioma Inglés, titulada IJNEAR ALGEBRA AND ITS APPIJCATIONS ¿'edición por DAVID C. LAY. publicada por Pearson Education. Inc.. publicada como Pearsoa Copyright © 2012. Todos los derechos reservados. Esta edición en español es la unka autorizada. Edición en español
Dirección general: Philip De la Vega Dirección Educación Superior : Mario Contreras Editor sponsor: Gabriela López Ballesteros e malí: gabriela.lopezballesteras@pearsoacom Felipe Hernández Carrasco Editor de desarrollo: Enrique TVejo Hernández Supervisor de Producción: Gerencia Editorial Educación Superior Iattnoamérica: Marisa de Anta PRIMERA EDICIÓN, 2013
D.R. © 2013 por Pearson Educación de México, S.A. de C.V. Allacomulco 500-5° piso Oil. Industrial Atoto 53519. Naucalpan de Juárez Estado de México Cámara Nacional de la Industria [Editorial Mexicana. Reg. núm. 1031. Reservados todos los derechos. Ni la totalidad ni parte de esta publicación pueden reproducirse, registrarse o transmitirse, por un sistema de recuperación de Información, en ninguna forma ni por ningún medio, sea electrónico, mecánico, fotoqulmico. magnético oelectroóptlco, por fotocopia, grabación o cualquier otro, sin permiso previo por escrito del editor. El préstamo, alquiler o cualquier otra forma de cesión de uso de este ejemplar requerirá también la autorización del editor o de sus representantes.
ISBN 978 607 32-1638 8 ISBN e book 978 607 32 1639 5 ISBN e-ctapter 97^807-32-1640-1 Impreso en México. Printed In México. 1 2 3 4 5 6 7 8 9 0 16 15 14 13
PEARSON
www.pearsonenespañol.com
http://www.fullengineeringbook.net 4 of 461.
ISBN: 978 -6 0 7-32-16 38 -8
A m i esposa, Lillian, y a nuestras hijas Chrístina, Deborah y Melissa, cuyo apoyo, ánimos y devotas oraciones hicieron posible este libro.
http://www.fullengineeringbook.net 5 of 461.
Acerca del autor David C. Lay tiene una licenciatura de Aurora University (Illinois), y una maestría y un doc torado en la Universidad de California en Los Ángeles. Lay ha sido catedrático e investigador en matemáticas desde 1966. principalmente en la Universidad de Maryland. College Park. También ha trabajado como profesor visitante en la Universidad de Amsterdam. en la Uni versidad Libre de Amstendam y en la Universidad de Kaiserslautern. en Alemania. Ha escrito más de 30 artículos de investigación de análisis funcional y álgebra lineal. Como miembro fundador del Grupo de Estudio del Currlculo de Álgebra Lineal patro cinado por la NSF, ha sido líder en el movimiento actual para modernizar el plan de estudios de álgebra lineal. Lay también es coautor de varios libros de matemáticas, entre los que se incluyen. Intw ducíion to F unctional Analysis. con Angus E. Taylor. Calculus and its A ppli cations, con L J. Goldstein y D. I. Schneider, y Linear Algebra G em s-A ssets fo r Undergraduate M athematics, con D. Carlson, C. R. Johnson y A. D. Porter. El profesor Lay ha recibido cuatro premios universitarios por excelencia docente, inclui do el de Distinguished Scholar Tcacher de la Universidad de Maryland en 1996. En 1994 la Mathematical Ássodation o f America le otorgó el premio Distinguished College or Univer sity Tcaching o f Mathematics. Ha sido elegido por los estudiantes universitarios como miem bro de la Alpha l^ambda Delta National Scholastic Honor Society y de laGolden Key National Honor Society. En 1989 Aurora University le concedió el premio Outstanding Alumnus. l-ay es miembro de la American Mathematical Sodety, de la Canadian Mathematical Society. de la International Linear Algebra Society. de la Mathematical Assodation o f America. Sigma Xi. y de la S odety for Industrial and Applied Mathematics. Desde 1992 ha formado parte de la junta diredlva nacional de la Ássodation of Christians in the Mathematical Sdences.
Iv
http://www.fullengineeringbook.net 6 of 461.
Contenido Presentación de ¡a ed id ó n para cursas p a r com petencias
>111
Pre fa d o de ¡a cuarta ed id ó n de Álgebra lineal y sus aplicaciones Nota para ¡os estudiantes xvi
Capítulo 1 Ecuaciones lineales en álgebra lineal M odelos lineales e n eco n o m ía e in g en iería 5 1.1 Sistemas de ecuaciones lineales 6 1.2 Reducción por filas y formas escalonadas
1.3 1.4 1.5
Ecuaciones vectoriales 28 Ecuación matricial Ax = b 38 Conjuntos solución de sistemas lineales
1.6
Aplicaciones de sistemas lineales Independencia lineal 59
1.7 1.8
1.9 1.10
2
16
47
53
Introducción a las transformaciones lineales 66 Matriz de una transformación lineal 74 Modelos lineales en los negocios, ciencia e ingeniería Ejercidos complementarios Aut oevaluación
92
95
Capítulo 2 Álgebra de matrices 98 M odelos d e oom putad o ra en el diseño d e ae ro n a v e s Operaciones de matrices 102 La inversa de una matriz 112
101
2.1 2.2
2.3 2.4 2.5 2.6
2.7 2.8
2.9
Caracterizaciones de matrices invertibles Matrices parí ¡clonadas 127
12 1
Factorizadones de matrices 133 El modelo de Leontief de entrada y salida Aplicadones a los gráficos por computadora Subespados de R" 156 D i mensión y rango 163 E jercidos complementarios Autoeval uación 172
Capítulo 3 Determinantes
170
174
T rayectorias aleato rias y d isto rsió n 177 3.1 Introducción a los determinantes 178 3.2
Propiedades de los determinantes
183
http://www.fullengineeringbook.net 7 of 461.
142 148
84
x
vi Contenido 3.3
Regla de Cramer. volumen y transformaciones lineales Ejercidos complementarios 199 Auloevaluadón
191
202
Capítulo 4 Espacios vectoriales
204
Vuelo espacial y siste m a s d e co n tro l 207 Espados y subespacios vectoriales 208
4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9
Espados nulos, espados columna y transformaciones lineales Conjuntos linealmente independientes; bases Sistemas de coordenadas 234 La dimensión de un espado vedorial Rango 248 Cambio de base 257
243
Aplicaciones a las ecuaciones en diferencias Aplicadones a cadenas de Markov Ejercicios complementarios 280 Autoevaluatión 283
226
262
271
Capítulo 5 Ortogonalidad y mínimos cuadrados
286
Base de d a to s geográficos d e N o rteam érica y siste m a d e n av e g ad ó n G PS 289 Produdo interior, longitud y ortogonalidad 290
5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8
Conjuntos ortogonales
298
Proyecdones ortogonales 307 Prooeso de Gram-Schmidt 314 Problemas de mínimos cuadrados
320
Aplicadones a modelos lineales 328 Espados con producto interior 336 Aplicadones de espados con produdo interior Ejercidos complementarios 350 Autoevaluatión 353
Capítulo 6 Números complejos
343
354
F ractales 357 Los números complejos como campo 359 Solución de ecuaciones de segundo grado en C
6.1 6.2 6.3 6.4 6.5 6.6
364
Interpretación geométrica de los números complejos 367 Representación polar 373 Raíces o-ésimas de números complejos 377 Los números complejos en la fadorizatión de polinomios 384 Ejercicios complementarios Autoevaluaclón
389
391
http://www.fullengineeringbook.net 8 of 461.
216
Contenido vil
Los capítulos 7. 8 y 9 se e n c u en tra n en el sitio W eb d el libro.
Capítulo 7 Valores propios y vectores propios S iste m as d in á m ic as y b u h a s m an ch a d as 7.1
Vectores propios y valores prapice
7.2
La ecuación característica Diagonalización
7.3 7.4 7.5 7.6 7.7 7.8
Vectores propios y transformaciones lineales Valores propios complejas Sistemas dinámicos discretos Aplicaciones a ecuaciones diferenciales Estimaciones iterativas para valores propios Ejercicios complementarias
Capítulo 8 M atrices sim étricas y form as cuadráticas P rocesam ien to d e im ág en es m ulticanal
8.1 8.2 8.3 8.4 8.5
Diagonalización de matrices simétricas Formas cuadráticas Optimización restringida Descomposición en valores singulares Aplicaciones al procesamiento de imágenes y estadística Ejercicios complementarios
Capítulo 9 G eom etría de espacios vectoriales IjOS sólidos platónicos 9.1
Combinaciones afines
9.2 9.3 9.4
Independencia afin Combinaciones convexas Hiperplanas
9.5 9.6
Curvas y superficies
Polítopos
A péndices A
Unicidad do la forma escalonada reducida
G losario
A1
A3
R espuestas a lo s ejercicios con numeración im par A 13 R espuestas a lo s ejercicios de autoevaluadón A 41 índice analítico II C réditos de fotografía
CI
http://www.fullengineeringbook.net 9 of 461.
Presentación de la edición para cursos por competencias 0 enfoque por competencias en la educación superior se va adoptando paulatinamente en gran parte de las instituciones universitarias. Más allá de los esfuerzos que se realizan por ofrecer capacitación a los profesores, y del interés que ellos muestran en prepararse para este nuevo reto, hacen falta apoyos para comprender esta forma diferente de guiar a sus alumnos en el aprendizaje. El presente libro surge de la necesidad que existe en el nivel superior de materiales que apoyen la práctica docente y la reflexión de los estudiantes en los cursos de álgebra lineal, cuyos programas de estudios adoptan el enfoque por competencias. Un segundo reto para los profesores es el cuidado con el que debe revisarse el álgebra lineal en sus cursos, debido al nivel de abstracción que requiere y a su importancia dentro de la matemática y en las distintas aplicaciones dentro de otras disciplinas como ingeniería, computación y administración, entre otras. Álgebra lin ea l para cursos con enfoque p o r com petencias es una adaptación de la cuar ta edición del libro Álgebra lin ea l y sus aplicaciones, de David C. Lay. El libro ofrece una introducción elemental actualizada al álgebra lineal, una amplia selección de aplicaciones interesantes y brinda un importante apoyo para el uso de tecnología en el curso; además, con serva las características actualizadas y novedosas de esa edición, y proporciona a estudiantes y profesores diversos elementos que apoyan su tarea. En el caso de los estudiantes cuyo interés no es la matemática pura, el apoyo que se brinda en este libro es de gran utilidad. Por ejemplo, al iniciar cada capitulo, se introducen or ganizadores gráficos que presentan una relación de los temas que se tratarán. Los organizado res se pueden consultar constantemente para tener una buena idea de cómo se relacionan los conceptos. Al finalizar cada capitulo, el lector puede revisar individualmente su comprensión de los conceptos mediante una autoevaluadón. El enfoque por competencias presentado en el libro también ayuda a los profesores a manejar los temas de cada capítulo apoyadas en el trabajo de los estudiantes, mediante los problemas y ejercicios que se señalan para resolverse de forma individual o de manera colaborativa. Así. se ofrece a los estudiantes la oportunidad de llevar cabo una reflexión propia y grupal de la comprensión y conocimientos logrados. Por otro lado, los problemas de práctica permiten a los profesores detectar si el concepto correspondiente fue realmente comprendido o si es necesario reforzarlo. Se incluye también una descripción de las competencias por desarrollar en cada capitulo, así como de las actividades de aprendizaje que se llevan a cabo para desarrollarlas. Confiamos en que este libro será un verdadero apoyo docente y dlcente tanto desde la disciplina del álgebra lineal como desde el enfoque de las competencias.
LO NUEVO EN ESTA ADAPTACIÓN 0 objetivo de la adaptación realizada es presentar a profesores y estudiantes un libro cuyos elementos y estructura apoyen la transición entre el enfoque conductual o por objetivos, y el enfoque por competencias. La estructura de la obra incorpora secciones específicas que ofrecen elementos para el aprendizaje tanto desde el punto de vista disciplinar del álgebra lineal como desde el enfoque de las competencias. Tales secciones se describen a continuación. vtll
http://www.fullengineeringbook.net 10 of 461.
Presentación de la edición para cursos por competencias Ix Com petencias a desarro llar y actividades de aprendizaje. Se enuncian las competencias de los dominios y las actividades de aprendizaje que llevarán a su desarrollo: matrices, de terminantes. sistemas de ecuaciones lineales, espacios vectoriales, base y dimensión de un espacio vectorial, transformaciones lineales y números complejos. O rganizador gráfico. Consiste en un diagrama donde se expresan las relaciones entre los conceptos que se tratarán en el capitulo, de tal manera que, al inicio de cada capitulo, se ofrece una visión global de los conceptos que se revisarán. Ejem plo introductorio. Al inicio de cada capítulo se presenta un ejemplo con la aplicación de los conceptos que se van a tratar en el capitulo, asi como su relevancia social, económica o científica El texto retornad ejemplo introductorio en una sección al final de cada capítulo. D esarrollo teórico de los contenidos. Se presenta el desarrollo de los conceptos e incluye una amplia selección de aplicaciones y ejemplos, teoremas y demostraciones formales de los resultados importantes, problemas de práctica seleccionados con gran cuidado y sus solucio nes completas, ejercicios y problemas de trabajo individual y de trabajo colaborativo. pregun tas de verdadero/falso. ejercicios de escritura y temas computacionales. % Se sugiere trabajar los problemas marcados con un punto primero en forma individual y, luego, discutirlos con todo el grupo y el profesor. t
1-/» ejercicios marcados con un asterisco deben trabajarse en colaboración con los com pañeros de clase. Se sugiere formar equipos de dos o tres estudiantes.
Autoevaluación. Esta sección se encuentra al final de cada capitulo. Ofrece al estudiante la oportunidad de identificar los aspectos que resuelve con facilidad, y aquellos que requieren mayor atención y estudio. Este libro conserva los capítulos de Ecuaciones lineales en álgebra lineal. Álgebra de matri ces. Determinantes. Espacios vectoriales, y Ortogonal ¡dad y mínimos cuadrados de la cuarta edición del Álgebra lineal y su s aplicaciones, adaptados a la estructura descrita Además, se ha incluido un sexto capítulo inédito sobre Números complejos para abordar el tema en los cursos cuyo programa lo requiere. Los capítulos de Valores propios y vectores propios. Matrices simétricas y formas cua dráticas. y Geometría de espacios vectoriales están disponibles para profesores que adopten el libro, en el sitio Web: WMW.pcNrsoncncspnflol.com/lay
http://www.fullengineeringbook.net 11 of 461.
Prefacio de la cuarta edición de Álgebra lineal y sus aplicaciones La respuesta de los estudiantes y profesores a las tres primeras ediciones de Álgebra lineal y su s aplicaciones ha sido muy gratificante. Esta cuarta edición brinda un importante apoyo tanto para la enseñanza como para el uso de la tecnología en el curso. Al igual que en las ediciones anteriores, el libro ofrece una introducción elemental actualizada al álgebra lineal y una amplia selección de aplicaciones interesantes. El material es accesible a estudiantes con la madurez que se consigue al finalizar de manera exitosa dos semestres de matemáticas de nivel universitario, por lo general, de cálculo. El objetivo principal del libro es ayudar a los estudiantes a dominar los conceptos básicos y las habilidades que usarán más adelante en sus carreras. Los temas expuestos siguen las re comendaciones del Grupo de Estudio del CurrJculo de Álgebra Lineal, las cuales se basan en una cuidadosa investigación de las necesidades reales de los estudiantes y en un consenso entre profesionales de muchas disciplinas que utilizan el álgebra lineal. Esperamos que este curso sea una de las clases de matemáticas más útiles e interesantes para los estudiantes de licenciatura.
LO NUEVO EN ESTA EDICIÓN El principal objetivo de esta revisión fue actualizar los ejercicios e incluir nuevos contenidos, tanto en el libro como en línea. L
Más del 25 por ciento de los ejercicios son nuevos o actualizados, en especial los ejer cicios computacionales. Los conjuntos de ejercicios son una de las características más importantes de este libro, y estos nuevos ejercidos siguen el mismo estándar elevado de los conjuntos de ejercidos de las tres últimas edidones. Están diseñados de tal forma que se refieren a los temas importantes de cada una de las secciones anteriores, y permiten que los alumnos desarrollen confianza al motivarlos a practicar y generalizar las nuevas ideas que acaban de estudiar.
2. El 25 por d en lo de los ejemplos introductorios de los capítulos son nuevos. Estas in troducciones tienen que ver con aplicaciones de álgebra lineal y despiertan el interés en torno al desarrollo del tema que se presenta a continuadón. El texto retoma el ejemplo introductorio en una secdón al final de cada capítulo. 3L Se incluye un nuevo capítulo, el 8. titulado ■Geometría de los espacios vedoriales". el cual presenta un tema novedoso que mis alumnos han disfrutado estudiar. Las seccio nes 1. 2 y 3 ofrecen las herramientas geométricas básicas. La sección 6 utiliza estas ideas para estudiar las curvas y superfides de Bézier. las cuales se utilizan en gráficos elabo rados con computadora en el campo de la ingeniería y en línea (en Adobe* lllustrator* y Macromedia® FreeHand*). Estas cuatro secdones se pueden cubrir en cuatro o an co sesiones de dase de 50 minutos. El segundo curso en las aplicadones de álgebra lineal suele comenzar con una revisión su stand al de las ideas prindpales del primer curso. Si una parte del capítulo 8 se encuentra en el primer curso, el segundo podría incluir una breve reseña de las se cd o nes 1 a 3 y. luego, un enfoque de la geometría en las secdones 4 y 5. Eso condudría, naturalmente, a los capítulos 9 y 10 que se presentan en línea, los cuales se han utilizado junto con el capítulo 8 en varias escuelas en los últimos a n c o años.
http://www.fullengineeringbook.net 12 of 461.
Prefacio de la cuarta edición de Álgebra Ineal y sus apHcaclones xl 4. Hay dos nuevos capítulos disponibles en línea en inglés, y se pueden utilizar en un segundo curso: Chapter 9. Optimization Chapter 10. Finite-State Markov Chains Se requiere un código de acceso y está disponible para todos los profesores que adopten el libro. Para más información, visite www.pearsonhighered.com^irc o póngase en contacto con su representante de Pearsoa 5. Diapositivas de PowerPoint* están disponibles para las 25 secciones principales del texto: también se incluyen más de 75 figuras del texto.
CARACTERÍSTICAS DISTINTIVAS Introducción tem p ran a a los conceptos clave Muchas de las ideas fundamentales del álgebra lineal se introducen dentro de las primerassiete lecturas en el contexto concreto de R". y después, gradualmente, se examinan desde diferentes puntos de vista. Más adelante, se presentan generalizaciones de estos conceptos como exten siones naturales de ideas familiares, visualizadas a través de la intuición geométrica desarro llada en el capitulo 1. Un logro importante del libro es que el nivel de dificultad es bastante uniforme durante todo el curso.
U na visión m oderna de la m ultiplicación de m atrices Una buena notación es Importante, y el libro refleja la manera en que los científicos e ingenie ros utilizan el álgebra lineal en la práctica. l«as definiciones y demostraciones se centran en las columnas de una matriz antes que en sus entradas. Un tema central es considerar un producto matriz-vector Ax como una combinación lineal de las columnas de A, Este enfoque moderno simplifica muchos argumentos, y vincula las ideas de espacio vectorial con el estudio de sis temas lineales.
T ransform aciones lineales Las transformaciones lineales forman un 'h ilo ' que se entreteje en la trama del libro. Su uso mejora el sentido geométrico del texto. En el capítulo 1. por ejemplo, las transformaciones lineales ofrecen una visión dinámica y gráfica de la multiplicación matriz-vector.
Valores propios y sistem as dinám icos l.os valores propios se presentan muy pronto en el libro, en los capítulos 5 y 7. Como este material se estudia durante varias semanas, los estudiantes tienen más tiempo de lo habitual para aprender y revisar tales conceptos fundamentales. Los valores propios se aplican a sis temas dinámicos discretos y continuos, los cuales se presentan en las secciones 1.10. 4.8 y 4.9, y en las cinco secciones del capítulo 5. Algunos cursos llegan al capítulo 5. después de aproximadamente cinco semanas, cubriendo las secciones 2.8 y 2.9 en vez del capítulo 4. Estas dos secciones opcionales presentan todos los conceptos de espacio vectorial del capi tulo 4 necesarios para el capítulo 5.
O rtogonalidad y problem as de m ínim os cuadrados Estos temas reciben un tratamiento más completo que el que se otorga comúnmente en los libros básicos. El Grupo de Estudio del Currlculo de Álgebra Lineal ha hecho hincapié en la necesidad de contar con una unidad sustancial de ortogonalidad y problemas de mínimos cuadrados, ya que la ortogonalidad desempeña un importante papel en los cálculos computacionales y en el álgebra lineal numérica, y porque, con frecuencia, en el trabajo práctico surgen sistemas lineales inconsistentes.
http://www.fullengineeringbook.net 13 of 461.
xli Prefacio de la cuarta edición de Álgebra lineal y sus apBcaclones
CARACTERÍSTICAS PEDAGÓGICAS Aplicaciones Una amplia selección de aplicaciones muestra el poder del álgebra lineal para explicar princi pios fundamentales y simplificar los cálculos en ingeniería, ciencias de la computación, mate máticas. física, biología, economía y estadística. Algunas aplicaciones se presentan en secciones separadas, mientras que otras se explican con ejemplos y ejercicios. Además, cada capítulo se inicia con un ejemplo introductorio que prepara el escenario para algunas aplicaciones del ál gebra lineal y sirve de base para el desarrollo de las matemáticas que siguen. Después, el texto considera nuevamente la aplicación en una sección cercana al final del capítulo.
Un fuerte énfasis geom étrico Todos los conceptos importantes en el curso cuentan con una interpretación geométrica, ya que muchos estudiantes aprenden mejor cuando logran visualizar una Idea Aquí se presentan más dibujos de lo habitual, y algunas de las figuras nunca antes se han presentado en un libro de álgebra lineal.
Ejem plos Este libro dedica una mayor proporción de su material de exposición a ejemplos, en compa ración con la mayoría de libros de álgebra lineal. Hay más ejemplos de los que un profesor presenta normalmente en clase. Puesto que los ejemplos se escribieron con sumo cuidado y con detalle, los estudiantes pueden leerlos por su cuenta.
T eorem as y dem ostraciones Los resultados importantes se establecen como teoremas. Otros datos útiles se presentan en recuadros, para una fácil localización. La mayoría de los teoremas incluyen demostraciones formales, escritas pensando en el alumno principiante. En algunos casos, los cálculos esencia les de una demostración se muestran en un ejemplo cuidadosamente elegido. Algunas com probaciones de rutina se dejan para los ejercidos, cuando sea benéfico para los estudiantes.
Problem as de práctica Antes de cada conjunto de ejercicios se incluyen problemas de práctica seleccionados con gran cuidado. Las soluciones completas se presentan después del conjunto de ejercicios. Es tos problemas se centran en los aspectos problemáticos del conjunto de ejercidos o sirven de 'calentamiento’ para los ejercidos; con frecuenda las soludones contienen útiles consejos o advertencias acerca del trabajo que hay que realizar.
Ejercicios El gran número de ejercicios incluye desde algunos que tienen que ver con cálculos de rutina hasta preguntas conceptuales que requieren de mayor reflexión. Un buen número de preguntas innovadoras destacan las dificultades conceptuales que he encontrado en los documentos de los estudiantes en los últimos anos. Cada conjunto de ejercicios está cuidadosamente organi zado en el mismo orden general que el libro, de manera que las tareas se pueden encontrar fácilmente cuando solo se ha estudiado una parte de la sección. Una característica notable de los ejercicios es su sencillez numérica. El contenido de los problemas se puede ordenar rápi damente. para que los estudiantes dediquen poco tiempo a los cálculos numéricos. Los ejerci d o s se concentran en enseñar a razonar antes que en realizar cálculos mecánicos. Los ejerd d o s de la cuarta edición conservan la integridad de los que se induyeron en la tercera edicióa y presentan nuevos problemas para estudiantes y profesores. Ixis ejercidos marcados con el símbolo [Mi están diseñados para trabajarse con la ayuda de un 'programa de Matrices’ (por ejemplo, programas computadonales, como MATLAB®, Maple™, Malhematica®. MathCad*. o Derive™, o calculadoras program abas con capacida des matririales, como las que fabrica Texas Instruments).
http://www.fullengineeringbook.net 14 of 461.
Refació de la cuarta edldón de Álgebra lineal y sus aplicaciones xlll
P reg u n tas verd ad ero /falso Para animar a los estudiantes a leer todo el libro y a pensar criticamente, he desarrollado 300 preguntas sencillas de falscy1verdadero que se presentan en 33 secciones del libro, justo después de los problemas computacionales. Estas preguntas se pueden contestar directamente del libro, y preparan al estudiante para los problemas conceptuales que siguen. Los estudian tes aprecian estas preguntas una vez que valoran la importancia de leer con cuidado el libro. Con base en las pruebas de clase y los análisis con los estudiantes, decidí no incluir las res puestas en el libro. Se cuenta con 150 preguntas adicionales de falso/verdadero (casi siem pre al final de los capítulos) para comprobar la comprensión del material. El libro presenta solo respuestas con V o F para la mayoría de estas preguntas, pero omite las justificaciones de las respuestas (las cuales, por lo general, requieren de cierto razonamiento).
Ejercicios de escritura La capacidad de escribir enunciados matemáticos coherentes en español es esencial para todos los estudiantes de álgebra lineal, y no solo para aquellos que cursan un posgrado en matemáti cas. El libro incluye muchos ejercicios para los que una Justificación por escrito es parte de la respuesta. Los ejercicios conceptuales que requieren una prueba corta, por lo general, incluyen consejos que ayudan a los estudiantes a comenzar. Para todos los ejercicios de escritura de numeración impar, en la parte final del libro, se incluye ya sea una solución o una sugerencia.
T em as com putacionales El libro hace hincapié en los efectos de la computadora tanto en el desarrollo como en la prác tica del álgebra lineal en las ciencias y la ingeniería l-as frecuentes notas numéricas llaman la atención en tom o a problemas computacionales; además, distinguen entre los conceptos teóricos, como la inversión de matrices, y las implcmcntadones computacionales. como la fadorización LU.
APOYO EN LÍNEA El sitio Web en www.pearsonenespañol.com/lay contiene material de apoyo para el libro de texto. Para los estudiantes, incluye hojas de repaso y exámenes de práctica (consoluciones) que cubren los temas principales en el libro. Estas secciones provienen directamente de cur sos que he impartido en los últimos años. Cada hoja de repaso identifica definiciones clave, así como teoremas y habilidades de una parte específica del libro.
Aplicaciones de los capítulos H3 sitio Web también contiene siete estudios de caso, los cuales amplían los temas introdu cidos al Inido de cada capítulo, al agregar datos del mundo real y la posibilidad de realizar una exploradón más profunda. Por otro lado, más de veinte proyectos de apllcadón amplían los temas del libro e introducen nuevas aplicaciones, como splines cúbicos, rutas de vuelo de aerolíneas, matrices de dominio en competencias deportivas y códigos de corrección de errores. Algunas aplicaciones matemáticas son técnicas de integración, ubicación de raíces polinomiales. secciones cónicas, superfides cuadráticas y extremos de funciones de dos va riables. También se incluyen temas de álgebra lineal numérica, como números de condidón. fadorizaciones de matrices y el método QR para encontrar valores propios. Entretejidos en cada análisis, se encuentran ejercidos que pueden implicar grandes conjuntos de datos (por lo que requieren de tecnología para su soluaón).
Introducción a la tecnología Si el curso incluye un trabajo con MATLAB. Maplc. Malhematíca o calculadoras TI. se puede leer uno de los proyectos en el sitio Web para tener una introducción a la tecnología.
http://www.fullengineeringbook.net 15 of 461.
xlv
Refació de la cuarta edición de Álgebra lineal y sus aplicaciones
Archivos de datos Cientos de archivos contienen datos de 900 ejercicios del texto, estudios de caso y proyec tos de aplicación. Los dalos están disponibles en www.pearsonenespañol.com/lay en una variedad de formatos, para MATLAB. Maple, Mathematica y las calculadoras graneadoras TI-83+/86/89. Al permitir a los alumnos acceder a las matrices y los vectores de un problema particular con solo pulsar unas cuantas teclas, los archivos de datos eliminan los errores de captura de datos y ahorran tiempo en la tarea.
Proyectas MATLAB Estos proyectos de exploración invitan a los estudiantes a descubrir los aspectos matemáti cos y numéricos básicos de álgebra lineal. Escritos por Rick Smith. se han desarrollado para acompañar los cursos de álgebra lineal computacional en la Universidad de Florida, que han liilizado Álgebra linea! y su s aplicaciones durante muchos años. Se hace referencia a los proyectos por medio de un Icono fü ü l en puntos adecuados del libro. Alrededor de la mitad de los proyectos exploran conoeptos fundamentales, como el espacio columna, la dlagonalización y las proyecciones ortogonales; varios proyectos tratan temas numéricos, tales como flops, métodos iterativos y DVS. y algunos más exploran aplicaciones como la interpolación de Lagrange y las cadenas de Markov.
COMPLEMENTOS M anual de soluciones p ara el profesor Este manual ofrece las soluciones de todos los ejercicios de los capítulos 1 a 8 del libro. Está disponible para profesores que adopten el libro, a través de Pearson Instructor Resource Center, www.pearsonhighered.com/irc (ISBN; 0-321-38888-7).
M anuales de tecnología p ara el profesor Cada manual ofrece una guia detallada para integrar al curso un paquete de software especifico o una calculadora gráfica Los manuales fueron escritos por profesores que ya han utilizado tecnología con este libro. Los siguientes manuales están disponibles para profesores que adop ten el libro, a través de Pearson Instructor Resource Center. www.pearsonhighered.com/irc. MATLAB (ISBN: 0-321-53365-8), Maple (ISBN: 0-321-75605-3). Mathematica (ISBN: 0-321-38885-2) y TI-83+/86/89 (ISBN: 0-321-38887-9).
AGRADECIMIENTOS Estoy muy agradecido con muchos grupos de personas que me han ayudado en los últimos años con diversos aspectos de este libro. Quiero agradecer a Israel Gohbergy Robert Ellls, quienes desde hace más de quince años han colaborado conmigo en la investigación, lo que ha contribuido a formar en gran parte mi punto de vista del álgebra lineal. Para mí. ha sido un privilegio ser un miembro del Gru po de Estudio del Curriculo de Álgebra Lineal junto oon David Carison. Charles Johnson y Duane Porter. Sus ideas creativas acerca de la enseñanza del álgebra lineal han influido en este libro de forma significativa.
http://www.fullengineeringbook.net 16 of 461.
Prefacio de la cuarta edición de Álgebra lineal y sus aplicaciones
xv
Agradezco sinceramente a los siguientes revisores por su cuidadoso análisis y sugeren cias constructivas: Rafal Ablamowicz, Tcnnessee Technological U niversity Brian E. Blank. W ashington U niversity en Saint Ixhjís Vahid Dabbaghian-Abdoly. Sim ón Fraser U niversity James L. Hartman. The College ofW ooster Richard P. Kubelka. San José State U niversity Martin Nikolov. U niversity o f Connecticut Ilya M. Spitkovsky. College ofW illiam & M ary John Alongi. Northwestern U niversity Steven Bellenot. Florida State U niversity Hermán Gollwitzer, Drexel U niversity David R. Kincaid. The U niversity o f Texas en A ustin DouglasB. Meade. U niversity o f South Carolina Tim Olson. U niversity o f Florida Albert L Vitter III, Tulane U niversity En esta cuarta edición, agradezco a mi hermano, Steven Lay, de Lee University. por su ge nerosa ayuda y aliento, y por su reciente revisión del capítulo 8. Agradezco a Raymond Rosentrater. de Westmont College. por sus útiles consejos y su ayuda con los ejemplos intro ductorios de los capítulos. O tra talentosa profesora Judith McDonald, de Washington State University. desarrolló muchos nuevos ejercicios para el libro. Su ayuda y entusiasmo por el libro fue muy refrescante y estimulante. Agradezco a los expertos en tecnología que trabajaron en los diferentes complementos de la cuarta edición, la preparación de los datos, la redacción de las notas para los profesores, la escritura de notas de tecnología para los estudiantes y por compartir sus proyectos con nosotros: Jeremy Case (MATLAB), Taylor University; Douglas Meade (Maple), University ofSouth Carolina: Michael M iller (calculadora TI), Western Baptist College; y M ane Vanisko (Mathematica). Carroll College. Agradezco al profesor John Risley y a los estudiantes de posgrado David Aulicino. Sean Burke y Goldberg Hersh por sus conocimientos técnicos para ayudar a desarrollar las tareas en línea que apoyan el libro. Por las pruebas en clase de este apoyo de tarcas en li nea. estoy muy agradecido con: Agnes Boskovitz. Malcolm Brooks. Elizabcth Ormerod. Alexander Isaev y John IJrbas. de la Australian National University; John Scott y Wcc l .ebcn. del Montgomery College. Maryland; y Xingru Zhang en SUNY University o f Buffalo. Agradezco la ayuda de Blaise DeSesa. Jean Hom. Roger Lipsett. Paul Lorczak. Thomas Polaski, Sarah Streett y Marie Vanisko, quienes comprobaron la exactitud de los cálculos en el libro. Por último, agradezco sinceramente al personal de Addison-Wesley por toda su ayuda en el desarrollo y la producción de la cuarta edición: Caroline Celano. editora responsable: Chere Bemelmans, editora de contenido; Tamela Ambush. editora administrativa asociada: Cari Cottrell. productor de medios de comunicación; Jeff Weidenaar, director ejecutivo de marketing: Kendra Bassi. asistente de marketing: y Andrea Nix. diseñadora de texto. Por úl timo. agradezco a tres buenos amigos que han guiado el desarrollo de la obra casi desde el principio con sus sabios consejos y estímulos: GregTobin. editor. Laurie Rosatone. editor anterior, y William Hoffman. editor actual. Muchas gracias a todos. David C. Lay
http://www.fullengineeringbook.net 17 of 461.
Nota para los estudiantes Este curso es potencial mente el más Interesante y valioso de los cursos de matemáticas de licenciatura. De hecho, algunos estudiantes me han escrito o han hablado conmigo después de la graduación para decirme que aún utilizan este libro de cuando en cuando como una refe rencia en su carrera en las grandes corporaciones y en las escuelas de posgrado de ingeniería. Los siguientes comentarios ofrecen algunos consejos prácticos e información para ayudarte a dominar el material y disfrutar del curso. En álgebra lineal, los conceptos son tan importantes como los cálculos Los sencillos ejercicios numéricos que se incluyen al principio de cada conjunto de ejercicios solo le ayudarán a comprobar su comprensión de los procedimientos básicos. Más adelante en su carrera, las computadoras harán los cálculos, pero usted tendrá que elegir cuáles son perti nentes. saber interpretar los resultados, y después explicar los resultados a otras personas. Por esta razón, muchos ejercicios en el libro le piden que explique o justifique sus cálculos. Con frecuencia se solicita una explicación por escrito como parte de la respuesta. Para los ejercicios con numeración impar, se incluye ya sea la explicación deseada o. al menos, una buena sugerencia. Debe evitar la tentación de consultar esas respuestas antes de haber tra tado de escribir la solución. De lo contrario, es probable que crea que entiende algo cuando en realidad no es así. ftira dominar los conceptos de álgebra lineal, tendrá que leer y releer el texto oon cuida do. L os nuevos términos aparecen en negritas, a veces dentro de un recuadro de definición. Al final del libro se incluye un glosario. Algunos hechos importantes se establecen como teoremas o se destacan en recuadros sombreados, para una fácil localizacióa Le animo a que lea las primeras cinco páginas del prefacio para aprender más acerca de la estructura de este libro. Esto le dará una idea para comprender cómo puede continuar el curso. En un sentido práctico, el álgebra lineal es un lenguaje. Usted tiene que aprender este lenguaje de la misma manera que un idioma extranjero, esto es. con el trabajo diario. El ma terial que se presenta en una sección no es fácil de entender a menos que haya estudiado a fondo el libro y que haya trabajado los ejercicios de las secciones anteriores. ¡Mantenerse al dia con el curso le ahorrará mucho tiempo y angustia!
N otas num éricas Espero que lea las notas numéricas en el texto, incluso si no está utilizando una computadora o una calculadora gráfica con el libro. En la vida real la mayoría de las aplicaciones del ál gebra lineal implican cálculos numéricos que están sujetos a algún error numérico, aunque quizás este sea muy pequeño, l^ s notas numéricas le advertirán las posibles dificultades en el uso del álgebra lineal más adelante en su carrera, y si usted estudia las notas ahora, es más probable que las recuerde después. Si le gusta leer las notas numéricas, es posible que desee tomar un curso más tarde en álgebra lineal numérica Debido a la gran demanda de mayor capacidad para realizar cálcu los. científicos de la computación y matemáticos trabajan en álgebra lineal numérica para desarrollar algoritmos de cálculos más rápidos y más confiables, mientras que los ingenie ros eléctricos diseñan computadoras pequeñas y rápidas para ejecutar algoritmos. Este es un campo emocionante, y su primer curso de álgebra lineal le ayudará a prepararse para ello.
xvt
http://www.fullengineeringbook.net 18 of 461.
Álgebra lineal para cursos con enfoque por competencias
http://www.fullengineeringbook.net 19 of 461.
hcuaciones lineales en álgebra lineal COMPETENCIAS A DESARROLLAR 1 Modelar y resolver problemas de aplicación de sistem a s de ecuaciones lineales en las áreas d e administración, economía, ingeniería, m atem áticas, química, etcétera, utilizando los m étodos de eliminación gaussiana y de Gauss-Jordan. ACTIVIDADES DE APRENDIZAJE Graficar las rectas correspondientes a un sistem a d e ecuaciones con dos incógnitas en un plano e identificar las soluciones según la gráfica. Construir la matriz del sistem a y la matriz aum entada correspondientes a un sistem a de ecuaciones. ♦ Utilizar las operaciones elem entales por fila, para reducir una matriz a su forma escalonada o escalonada reducida. Resolver los siste m a s de ecuaciones por los m étodos de eliminación gaussiana y d e Gauss-Jordan. Clasificar los sistem as d e ecuaciones, por su tipo d e solución, e n consistentes e inconsistentes. Clasificar los sistem as d e ecuaciones lineales en hom ogéneos y no homogéneos. Utilizar software m atem ático para resolver sistem as d e ecuaciones lineales.* Plantear y resolver problemas de aplicación de sistem a s de ecuaciones e interpretar las soluciones.
♦
2 Modelar en forma de ecuación vectorial problemas de aplicación, y resolver e interpretar s u s soluciones en térm inos de los vectores que las generan. Relacionar el concepto de conjunto generador con los sistem a s de ecuaciones lineales. ACTIVIDADES DE APRENDIZAJE ; Calcular la sum a de vectores en R "y calcular el producto d e un vector por un escalar. • Enunciar y dar ejemplos d e las propiedades d e las operaciones de sum a de vectores y de producto d e un vector por un escalar. ♦ Definir qué s e entiende por combinación lineal de vectores, y dar ejemplos. Escribir vectores com o combinación lineal d e otros vectores. Analizar analítica y gráficamente conjuntos generados por uno o varios vectores. Determinar si un conjunto de vectores e s linealmente independiente. Representar i n sistem a de ecuaciones como una ecuación vectorial. Relacionar la existencia o inexistencia de soluciones d e una ecuación vectorial con el concepto de conjunto de generadores. Relacionar la unicidad o infinidad de soluciones d e una ecuación vectorial con los conceptos d e dependencia e independencia lineal.
9 la escuela o el ahinno cuentan con Maple. Matlab. Mathematlca, calculadoras Tl« 3 o T ie 9 .e s posible consultar las acw dades sugeridos en el sitio Web del libro. En caso de cmc usted no cuente oon esta herramienta. Intente consegur algún software matemático gatuno en internet.
http://www.fullengineeringbook.net 20 of 461.
COMPETENCIAS A DESARROLLAR
á
4 Modelar en forma d e ecuación matricial problemas d e aplicación, y resolver e interpretar su s soluciones. 5 Relacionar el concepto de conjunto generado por las columnas d e una matriz con los sistem as de ecuaciones lineales. ACTIVIDADES DE APRENDIZAJE ♦ Calcular la multiplicación d e una matriz por un vector. Expresar la multiplicación d e una matriz por un vector com o una combinación lineal de las colum nas de la matriz. Enunciar y dar ejemplos de la s propiedades d e la multiplicación d e una matriz por un vector. Determinar si las columnas de una matriz son linealmente independientes. Analizar los conjuntos generados por la s columnas de una matriz. Expresar un sistem a d e ecuaciones lineales com o una ecuación matricial. Relacionar la existencia o inexistencia d e soluciones d e una ecuación matricial con el conjunto generado por la s columnas de la matriz. Relacionar la unicidad o infinidad d e soluciones de una ecuación matricial con la condición de dependencia e independencia lineales d e las columnas de la matriz.
8 Resolver problemas d e aplicación en diferentes áreas a partir de la multiplicación d e una matriz por un vector como una transformación (o una función) de R" en R™. 7 8
Identificar funciones que se an transform aciones lineales. Construir m atrices aso ciad as a transform aciones lineales que permitan hacer distintos tipos d e m apeos en el plano y el e sp a d o . ACTIVIDADES DE APRENDIZAJE Establecer una analogía entre la multiplicación de una matriz por un vector y una transformación de un vector de R" en uno d e ¡R". Determinar la imagen de una transform adón lineal. Analizar analítica y gráficamente el vector al que se aplica la transformación y el resultado de aplicarla. Analizar conjuntos y el resultado de la aplicación de una transformación lineal en ellos. Representar una transformación lineal con una matriz. Encontrar la matriz d e una transformación lineal a partir de las im ágenes de algunos vectores. Determinar m atrices para distintas transform aciones lineales. Usar transformaciones lineales en problemas de aplicación.
Identificar las columnas pivote de una matriz y relacionarlas con los tipos d e solución d e un sistem a asociado a la matriz. Resolver problem as de aplicación de m atrices en m odelos económicos, d e crecimiento poblacional, de redes, etcétera.
*
Se suBcre trabaja* los problemas marcados con un punto primero en forma Individual y, luego, discutirlos con todo el grnpo y el profesor.
t
Los ejercidos marcados oon un asterisco deben trabajarse en ooteboraddn con los comporteros de dase. Se sugere formar cxU'pos de dos o tres cstudontes.
http://www.fullengineeringbook.net 21 of 461.
ORGANIZADOR GRÁFICO
Sistem as hom ogéneos
C onsistentes
Sistem as no homogéneos
No consistentes
Definición algebraica en R" Vectores Representación geométrica en y R3
Matriz del sistem a
Matrices
Matriz aum entada
http://www.fullengineeringbook.net 22 of 461.
Modelos lineales en economía e ingeniería
Al final del verano de 1949. Wassily Leontief. profesor de Harvard, introducía con cuidado la última de sus taijetas perforadas en la computadora Mark II de la universidad. I
as
taijetas contenían información acerca de la economía
de Estados Unidos; se trataba de un resumen de más de 250.000 datos generados por la Oficina de Estadística Laboral (U.S. Bureau of Labor) durante dos años de intenso trabajo. Ixontíef dividió la economía estadounidense en 500 “sectores*, que incluían las Industrias carbonífera, automotriz, de comunicaciones, etcétera. Para cada sector, escribió una ecuación lineal que describía cómo la industria en cuestión distribuía su producto h ad a los otros sectores de la economía. Como la computadora Mark II. una de las más grandes de su época no podía manejar el sistema resultante de 500 ecuaciones y 500 incógnitas. Leontief redujo el problema a un sistema de 42 ecuadones y 42 incógnitas. Programar la Mark II para manejar las 42 ecuadones de Leontief requirió varios meses de trabajo, y él estaba ansioso por ver cuánto tardarla la computadora en resolver el problema. 1a máquina emitió zumbidos y sus luces parpadearon durante 56 horas antes de que finalmente arrojara un resultado. En las secciones 1.6 y 2.6 se analizará la naturaleza de esa soludón.
en esa época, era un modelo matemático de gran escala Desde entonces, investigadores en muchos otros campos han empleado computadoras para analizar modelos matemáticos. Debido a las enormes cantidades de datos implicados, los modelos, por lo regular, son lineales, es dedr. se describen mediante sistem as de ecuaciones lineales La im portanda del álgebra lineal para diversas aplicaciones ha cread o en proporción d ired a al incremento de la capacidad de las computadoras, y cada nueva generadón de hardware y software dispara la demanda de capaddades aun mayores. Por ello, la d e n d a de la com putadón está fuertemente vinculada con el álgebra lineal a través del explosivo crecimiento de los procesamientos en paralelo y el cálculo a gran escala. Ahora los dentíficos e ingenieros trabajan en problemas cada vez más complejos, lo que era impensable hace algunas décadas. Adualmente, ¡el álgebra lineal tiene mayor valor potencial para estudiantes de muchos campos dentlfioos y de negodos que cualquier otra materia de matemáticasl El material que se presenta en este libro ofrece el fundamento para un trabajo posterior en muchas áreas interesantes. A continuación se m endonan unas cuantas posibilidades; otras se describirán más adelante.
Leontief. galardonado en 1973 con el Premio Nobel de Economía, abrió la puerta a una nueva era en la elaboradón de modelos matemáticos en economía. Sus esfuerzos en Harvard, en 1949, representaron uno de los primeros usos significativos de las computadoras para analizar lo que.
• Exploración petrolera. Cuando un barco busca depósitos submarinos de petróleo, sus computadoras resuelven todos los dtosm iles de sistemas de ecuadones lineales. Los datos sísmicos de las
5
http://www.fullengineeringbook.net 23 of 461.
6 CAPÍTULO 1 licuaciones lineales en álgebra lineal ecuaciones se obtienen a partir de las ondas de cho
organizar los itinerarios de las tripulaciones de vuelo,
que submarinas generadas por explosiones de pistolas
monitorizar la ubicación de los aviones o planear la
de aire. Las ondas rebotan en las rocas bajo el agua, y
variada agenda de los servicios de apoyo, como las
los geófonos conectados a la popa del barco mediante cables de varios kilómetros se encargan de medirlas.
actividades operativas y de mantenimiento en las terminales aéreas.
• Programación lineal. Actualmente, muchas decisiones empresariales importantes se toman con base en modelos de programación lineal que utilizan
• Redes eléctricas. Los ingenieros utilizan software de simulación para diseñar circuitos eléctricos y microchips, lo que implica millones de transistores.
cientos de variables. La industria de las aerolíneas,
Dicho software se basa en técnicas de álgebra lineal
por ejemplo, utiliza la programación lineal para
y en sistemas de ecuaciones lineales. [ WEB |
Los sistemas de ecuaciones lineales constituyen el corazón del álgebra lineal, y este capítulo los utiliza para introducir, de manera sencilla y concreta, algunos de los conceptos centrales del álgebra lineal. Las secciones 1.1 y 1.2 presentan un método sistemático para resolver sistemas de ecuaciones lineales. En este libro se empleará dicho algoritmo para realizar diversos cálcu los. Las secciones 1.3 y 1.4 muestran cómo un sistema de ecuaciones lineales es equivalente a una ecuación vectorial y a una ecuación nuitricial. Esta equivalencia reducirá problemas que implican combinaciones lineales de vectores a preguntas acerca de sistemas de ecuaciones lineales. Los conceptos fundamentales de generación, independencia lineal y transformacio nes lineales, que se estudiarán en la segunda mitad de este capítulo, desempeñarán un papel esencial a lo largo del libro conforme se explore la belleza y el poder del álgebra lineal.
1 .1
SISTEMAS DE ECUACIONES LINEALES Una « B a d á n lineal en las variables x \..... x nes una ecuación que puede escribirse en la forma O iXi + a 2x 2 + • • • + a „ xH = b
(I)
donde b y los roefidentrn; ¿i..... 4i»son números reales o complejos, que generalmente se co nocen de antemano. El subíndice n puede ser cualquier entero positivo. En los ejemplos y ejercicios del libro, n normalmente está entre 2 y 5. En problemas de la vida real, n podría ser 50 o 5000. o incluso mayor. Las ecuaciones 4ai - 5x 2 + 2 = x \
x 2 = 2 ( v /6 -
y
jci)
+ xj
son lineales porque se pueden reordenar algebraicamente en la forma de la ecuación ( 1): 3xi - 5x 2 = - 2
2x i + x j - x j = 2 \íb
y
I a s ecuaciones 4xi - 5x 2 = X|X2
y
x2 = 2 jx [ - 6
no son lineales debido a la presencia de xix 2 en la primera ecuación y de J x \ en la segunda Un á s t m a d e « a n d o n e s Enroles (o sesiona lineal es una colección de una o más ecuaciones lineales que implican las mismas variables, por ejemplo, xj......x„ Un ejemplo es 2*i - X2 + 1.5x3 =
x,
-
8
4x3 = - 7
http://www.fullengineeringbook.net 24 of 461.
(2)
L l
Sistemas de ecuaciones lineales 7
Una 9o h a d á i del sistema es una lista de números C$t. # ......que da validez a cada ecuación cuando se utilizan las valores s \......sn en lugar de x i........xn respectivamente. Por ejemplo. (5, 6.5, 3) es una solución del sistema (2) porque al sustituir estos valores en (2) para x (. x2. Xz. respectivamente, las ecuaciones se simplifican a 8 = 8 y - 7 = - 7 . El conjunto de todas las posibles soluciones se llama conjonfto w lu d á n del sistema lineal. Se dice que dos sistemas lineales son «¡nivaknlcN si tienen el mismo conjunto solu ción. Es decir, cada solución del primer sistema es una solución del segundo sistema, y cada solución del segundo sistema también es una solución del primero. Es fácil encontrar el conjunto solución de un sistema de dos ecuaciones lineales con dos variables porque equivale a obtener la in telecció n de dos rectas. Un problema común es x x - 2x 7 = - I - * ! + 3X2 =
3
Las gráficas de esas ecuaciones son lineas rectas, las cuales se denotan como f x y €2. Un par de números (xi. *2) satisface am bas ecuaciones del sistema si y solo si el punto Cci. * 2) está sobre €, y f 2. En el sistema anterior, la solución es el único punto (3. 2). lo que puede com probarse fácilmente. Véase la figura 1.
FIGURA 1 Reaciamente una solución.
Desde luego, dos rectas no necesitan intersecarse en un solo punto; podrían ser parale las. o coincidir y. asi. "intersecarse" en todos los puntos de la recta La figura 2 muestra las gráficas que corresponden a los siguientes sistemas:
3)
x i — 2x2 = —1
xi - 2x7 = — 1 —xi + 2 x 2 =
3
- X | + 2x2 =
1
*
FIGURA 2 a) No hay solución, b) Número infinito de soluciones.
Ij s figuras 1 y 2 ilustran el siguiente hecho general acerca de los sistemas lineales, el cual se comprobará en la sección 1.2 .
http://www.fullengineeringbook.net 25 of 461.
8 CAPÍTULO 1 licuaciones lineales en álgebra lineal
Un sistema de ecuaciones lineales tiene
1.
ninguna solución, o
i , exactamente una solución, o a
un número infinito de soluciones.
Se dice que un sistema de ecuaciones lineales es conaóitm lesi tiene una solución o un nú mero infinito de soluciones: un sistema es inram fatenlecuando no tiene ninguna solución.
N otación m atricial 1.a información esencial de un sistema lineal puede registrarse de forma compacta en un arre glo rectangular llamado m a triz Dado el sistema X| - 2X2 +
*j =
0
2x 2 - 8x 3 =
8
(3)
- 4 x ( + 5x 2 4- 9x 3 = - 9 con los coeficientes de cada variable alineados en columnas, la matriz
se llama m atriz c n r f i d o t r (o m atriz d e CM firientap del sistema (3). y
se llama m otriz w m m á a d a del sistema. (Aquí la segunda fila contiene un cero porque la segunda ecuación podría escribirse como 0 • xi + 2x2 - 8x3 = 8). l-a matriz aumentada de un sistema consiste en la matriz de coeficientes con una columna adicional que contiene las constantes de les miembros derechos de las ecuaciones. U tam año de una matriz indica su número de filas y columnas. La matriz aumentada (4) tiene 3 filas y 4 columnas, por lo que es una matriz de 3 x 4 (que se lee ‘3 por 4 ’ ). Si m y n son enteros positivos, entonces una m atriz d e m x n es un arreglo rectangular de números con m filas y n columnas. (Siempre va primero el número de filas). La notación matricial simplificará los cálculos en los ejemplos que siguen.
Solución de un sistem a lineal Esta sección y la siguiente describen un algoritmo, o un procedimiento sistemático, para re solver sistemas lineales. La estrategia básica es remplazar un sistem a por otro equivalente (es decir, uno con el m ism o conjunto solución) y que sea m ás fá cil resolver. En general, use el término xi de la primera ecuación de un sistema para eliminar los términos xj en las ecuaciones restantes. Después, utilice el término X2 en la segunda ecuación para eliminar los términos X2 en las demás ecuaciones, y asi sucesivamente, hasta que final mente obtenga un sistema equivalente de ecuaciones muy sencillo. Se utilizan tres operaciones básicas para simplificar un sistema lineal: remplazar una ecuación por la suma de esta y un múltiplo de otra ecuación, intercambiar dos ecuaciones, y multiplicar todos los términos de una ecuación por una constante distinta de cero. Después del primer ejemplo, resultará claro p o rqué esas tres operaciones no alteran el conjunto solución del sistema.
http://www.fullengineeringbook.net 26 of 461.
L l E JE M P L O 1
Sistemas de ecuaciones lineales 9
Resuelva el sistema (3).
SOLUCIÓN Aquí se muestra el procedimiento de eliminación, con y sin notación m atridal. y los resultados se colocan uno al lado del otro para facilitar la comparación: jci
- 2x2 +
2x 2 -
-4xi + 5x2 +
x3=
0
r
|
&x3 =
8
I
0
9xj = —9
_2
i
o'
2 -8
L~4
8
9 ~ 9.
M antenga x\ en la prim era ecuación y elim ínela en las otras ecuaciones. Para hacerlo, sume la ecuación 1 multiplicada por 4 a la ecuación 3. Después de cierta práctica, estos cálculos se podrán efectuar mentalmente: 4-[ecuación 11:
4 x , - 8x2 +
4x3 =
+ [ecuación 3):
- 4 x i + 5x2 +
0
9x3 = - 9
- 3*2 + 13x3 = - 9
[nueva ecuación 3]:
El resultado de este cálculo se escribe en lugar de la tercera ecuación original:
xi - 2x2 +
xj =
0
-2 1 2 -8
2x 2 — 8x3 — 8
-3
— 3x2 + 13x 3 — - 9
Ol 8
13 - 9 j
Ahora, multiplicamos la ecuación 2 por 1/2 para asi obtener 1 com o coeficiente de xj. (Este cálculo simplificará la aritmética en el siguiente paso). xi - 2*2 + x3 = x 2 — 4 x3 =
0 4
- 3x2 + 13x3 = - 9 UtiliceX 2 de la ecuación 2 para eliminar - 3 x 2 en Ia ecuación 3. H cálculo 'mental* es 3-[ecuación 2J
3x2 - 12x 3 = 12
+ [ecuación 31
—3x2 -f I3xa = - 9
[nueva ecuación 31
*3 =
3
El nuevo sistema tiene forma triangular. 1
X| - 2x2 + x3 = 0
1]
X2 - 4x3 = 4
X3 = 3
Finalmente, se desea eliminar el término -2 x 2 de la ecuación 1. pero es más eficiente usar primero X3 de la ecuación 3 para eliminar los términos - 4x3 y +*3 en las ecuaciones 2 y l. Iros dos cálculos “mentales* son 4-[ec.3j:
4x 3 = 12
+ [ec. 2]: x 2 —4 x 3 = 4 [nueva ec. 2 ): X2
= 16
1 En la siguiente sección se remplazara el término Intuitivo
- l- [ e c . 3j:
- x3 = - 3
+ [ec. 11: X| — 2x 2 + x 3 = [nueva ec. 1 J: x i - 2x2
riangular por uno mas preciso.
http://www.fullengineeringbook.net 27 of 461.
0
= -3
10 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal Es conveniente combinar los resultados de esas dos operaciones: = - 3 = 16
*3 =
3
r» 0 L°
-2 1 0
0 0 1
-3 16 3
Ahora, una vez que se ha eliminado la columna que está sobre xs en la ecuación 3. regrese a jt2 en la ecuación 2 y utilícela para eliminar -2 x ¡ sobre e lla G radas al trabajo previo con jr3, ahora no hay operadones que impliquen términos con jc3. Sume dos veces la ecuadón 2 a la ecuadón 1 para obtener el sistem a = 29
n 0 Lo
= 16 *3=3
0 1 0
0 0 1
29 16 3
En esencia, el proceso está terminado. Se observa que la única soludón del sistema original es (29, 16, 3). Sin embargo, puesto que son muchos los cálculos realizados, es recomendable comprobar los resultados. Para comprobar que (29. 16, 3) es una soludón. sustituya esos valores en el lado izquierdo del sistema original, y calcule: (29) - 2 ( 1 6 ) +
(3) = 2 9 - 3 2 + 3 = 0
2(16) - 8 ( 3 ) = 3 2 - 24 = 8
a §
Cada una de las ecuaciones origínale; determina un plano el espacio tridimensional, punto (29. 16. 3) pertenece a los tres planos.
-4 (2 9 ) + 5(16) + 9(3) = - 1 16 + 80 + 27 = - 9 Los resultados concuerdan con el lado derecho del sistema original, de manera que (29. 16,3) es una soludón del sistem a ■ H ejemplo 1 muestra cómo las operaciones con las ecuaciones de un sistema lineal corresponden a las operaciones en las filas adecuadas de la matriz aumentada. I^as tres ope raciones básicas mendonadas con anterioridad corresponden a las siguientes operaciones en la matriz aumentada
OPERACIONES ELEMENTALES DE FILA 1. (Remplazo) Sustituir una fila por la suma de si misma y un múltiplo de otra f ila 2
2. (Intercambio) Intercambiar dos filas. 3» (Escalamiento) Multiplicar todos los elementos de una fila por una constante dife rente de cero.
Las operadones de fila pueden aplicarse a cualquier matriz, no solo a las matrices au mentadas de un sistema lineal. Dos matrices son « triv a le n te s p o r filas si existe una secuend a de operadones elementales de fila que transforme una matriz en otra. Es importante observar que las operaciones de fila son reversibles. Si dos filas se inter cambian, es posible hacerlas retomar a sus posidones originales mediante otro intercambio. Si una fila se multiplica por una constante edistinta de cero, entonces al multiplicar la nueva fila por 1 /c se obtiene la fila original. Por último, considere una operadón de remplazo que implica a dos filas — por ejemplo, las filas 1 y 2— y suponga que a la fila 2 se le suma la fila 1 multiplicada por c para produdr una nueva fila 2. Para "revertir" esta operación, sume la fila 1 multiplicada por - c a la nueva fila 2 para asi obtener la fila 2 original. Véase los ejercidos 29 al 32 al final de esta sección.1 1 Una forma alternativa de expresar la operatfon de remplazo de filas es: *Sume a una fila i r múltiplo de otra fila"
http://www.fullengineeringbook.net 28 of 461.
1.1 Sistemas de ecuaciones lineales 11 Por el momento, estamos interesados en las operaciones de fila sobre la matriz aumen tada de un sistema de ecuaciones lineales. Suponga que un sistema se transforma en otro mediante operaciones de fila. Considerando cada tipo de operación de fila, puede verse que cualquier solución del sistema original continúa siendo una solución del nuevo sistema. A la inversa, puesto que el sistema original se puede obtener mediante operaciones de fila sobre el nuevo sistema, cada solución del nuevo sistema también es solución del sistema original. Este análisis justifica el siguiente enunciado. Si las matrices aumentadas de dos sistemas lineales son equivalentes por filas, entonces los dos sistemas tienen el mismo conjunto solución.
A pesar de que el ejemplo 1 es largo, después de cierta práctica se desarrollará habilidad para realizar los cálculos con rapidez. En el texto y en los ejercicios de este libro, las opera ciones de fila por lo general serán muy fáciles de efectuar, lo que permitirá al lector enfocarse en los conceptos subyacentes. Pero debe aprender a realizar con exactitud las operaciones de fila porque se utilizarán a lo largo del libro. F¡3 resto de esta sección muestra cómo emplear operaciones de fila para determinar el tamaño de un conjunto solución, sin resolver completamente el sistema lineal.
P reg u n tas de existencia y unicidad L a sección 1.2 mostrará por qué un conjunto solución de un sistema lineal puede no contener ninguna solución, o bien, tener una solución o un número infinito de soluciones. Las res puestas a las siguientes dos preguntas determinarán la naturaleza del conjunto solución de un sistema lineal. Para determinar qué posibilidad es verdadera para un sistema particular, nos planteamos dos preguntas. DOS PREGUNTAS FUNDAMENTALES ACERCA DE UN SISTEMA UNEAL 1. ¿El sistema es consistente, es decir, al menos existe una solución? 2. Si existe una solución, ¿solo hay una. es decir, la solución es única?
Estas dos preguntas se presentarán a lo largo del libro, en diversas circunstancias. Esta sec ción y la siguiente le mostrarán cómo responder a esas preguntas usando operaciones de fila sobre la matriz aumentada. E JE M P L O 2
Determine sí el siguiente sistema es consistente
xi - 2X2 + *3 =
0
2x2 - 8xj =
8
—4xi + 5x2 + 9x3 = -9 SOLUCIÓN Este es el sistema del ejemplo 1. Suponga que se han efectuado las operaciones de fila necesarias para obtener la forma triangular X| - 2X2 + X 2 -4
X3 = 0 x3
= 4
*3=3
n
b Lo
-2 1 1 -4 0 1
0 4 3
En este punto, conocemos X3. Si se sustituyera el valor de X3 en la ecuación 2. entonces se podría calcular X2 y. por lo tanto, se podría obtener xi de la ecuación 1. Asi que existe una solución; el sistema es consistente. (En efecto. X2 está determinada de manera univoca por la
http://www.fullengineeringbook.net 29 of 461.
12 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal ecuación 2 ya que x3 sólo tiene un valor posible, y en consecuencia X| está determinada de forma univoca por la ecuación 1. Por lo tanto, la solución es única). ■ EJ EM PLO 3
Determine si el siguiente sistema es consistente *2 — 4 x 3 = 8
2xi - 3*2 + 2 xs = *
(5)
5xi — &C2 + 7 x j = 1 SOLUCIÓN La matriz aumentada es
Para obtener una xj en la primera ecuacióa se intercambian las filas 1 y 2:
Para eliminar el término 5xi en la tercera ecuación, a la fila 3 se suma la fila l multiplicada por - 5 / 2 : 2 - 3
[0
2 I 1 4 8
1 -
( 6)
0 -1/2 2 — 3/2J Ahora, use el término x2 en la segunda ecuación para eliminar el término —(1/2)jt2 en la tercera ecuación. A la fila 3. sume la fila 2 multiplicada por 1/2: 2 2 -3 0 1 -4 0 0 0
1 1 8 5 /2
J
(7)
Ahora la matriz aumentada está en forma triangular. Para interpretarla correctamente, con viene regresar a la notación con ecuaciones:
2x | — 3x2 + 2xj =
1
X2 - 4X3 =
8
0
Este sistema es inconsistente porque no existe un punto que pertenezca a los tres planos de manera simultánea.
(8)
= 5/2
La ecuación 0 = 5/2 es una forma abreviada de Qn + 0x2 + CU3 = 5/2. Este sistema en forma triangular, evidentemente, tiene una contradicción inherente. No existen valores de x¡, X2, x3 que satisfagan la ecuación (8) porque la ecuación 0 = 5/2 nunca es válida. Como (5) y (8) tienen el mismo conjunto solución, entonces el sistema original es inconsistente (es decir, no tiene solución). ■ Preste atención a la matriz aumentada en (7). Su última fila es característica de un sis tema inconsistente en forma triangular.
http://www.fullengineeringbook.net 30 of 461.
1.1 Sistemas de ecuaciones lineales 13
------ NOTA NUM ÉRICA ----------------------------------------------------------------------------------------En problemas del mundo real, los sistemas de ecuaciones 1ineales se resuelven en compu tadora. Para una matriz de coeficientes cuadrada, los programas computacionales casi siempre utilizan el algoritmo de eliminación presentado aquí y en la sección 1.2, aun que ligeramente modificado para obtener mayor exactitud. La gran mayoría de los problemas de álgebra lineal en los negocios y en la indus tria se resuelven con programas que emplean aritm ética de punto dotante. Los núme ros se representan como decimales ±.d\---dp X 10r. donde r e s un entero, y el número p de dígitos a la derecha del puntodecim al.porlogeneral.estáentre8y 16. La aritmética con dichos números normalmente es inexacta, porque el resultado debe redondearse (o truncarse) al número de dígitos almacenados. Se introduce el “error de redondeo’ cuando un número como 1/3 ingresa a la computadora, ya que su representación deci mal debe ser aproximada por una cantidad finita de dígitos. Por fortuna, las inexactitu des en la aritmética de punto flotante rara vez causan problemas. Las notas numéricas en este libro ocasionalmente le advertirán sobre asuntos que deberá considerar más adelante en su carrera profesional.
PROBLEMAS DE PRÁCTICA* A lo largo del libro, es conveniente resolver los problemas de práctica antes de trabajar los ejercicios. Las soluciones se presentan después de cada conjunto de ejercicios. 1. Exprese con palabras la siguiente operación elemental de fila que debe efectuarse en el sistema para resolverlo. [En a) es posible más de una respuesta). •a ) xi + 4x 2 — 2 x3 + 8x 4 — 12
b) x i — 3x 2 + 5x 3 — 2x< — 0
X2 — 7x 3 + 2x4 — -4 5X3 -
x4 =
X2 + 8x3
7
2x 3
x 3 + 3x4 = - 5 2.
= -4 =3
x4 =
I
La matriz aumentada de un sistema lineal se transformó, mediante operaciones de fila en la forma que se indica a continuación. Determine si el sistema es consistente. 1 5 2 -6 0 4 - 7 2
0 3.
0
5
0
¿(3. 4. - 2 ) es una solución para el siguiente sistema?
X2 + 2x3 =
7
- 2 x i + 6x 2 + 9x3 =
0
5xi -
-7xi + 5x2 - 3x3 = -7 4.
¿Para qué valores de h y k es consistente el siguiente sistema? 2xj -
X2 — h
- 6 x i + 3x2 — k
* Se sugiere trabajar los problemas marcados con un purto primero en forma IndM dual y. luego, discutirlos con todo el grupo y el profesor.
http://www.fullengineeringbook.net 31 of 461.
14 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal
1 . 1 EJERCICIOS* En los ejercidos 1 a 4 resuelva cada sistema utilizando operaciones elementales de fila sobre las ecuaciones o sobre la matriz aumentada. Siga el procedimiento de eliminación sistemático explicado en esta sección 1.
jci + 5jf2 = 7 -2 x i —7^2 = - 5
£ 3xi + 6xí — —3 5xi + 7x2 = 10
3. Encuentre el punto (xj. xz) que pertenece tanto a la recta xj + Zrj = 4 como a la recta xi - X2 = 1. Observe la figura.
’1 0 0 0
0 -2 -7 " 0 3 6 2 1 0 0 1 -2
3 1 0 0
Eh los ejercicios 11 a 14 resuelva los sistemas. 11-
12
xz + 5xj a - 4 X| + 4x2 + 3xj = —2 2xi + 7x2 + Xj = —2 xi - 5x2 + 4x3 = - 3 2vj - 7x2 + 3x3 = - 2 —2X| + X2 + 7x3 = —1
la
- 3X3 =
8
2x, + 2x 2 + 9x, =
7
Xi
Xz + 5X3 = - 2
14 4. Obtenga el punto de intersección de las rectas xj + 2x? = -1 3 y 3xi - 2xj - 1. En los ejercicios 5 y 6 considere que cada matriz es la matriz aumen tada de un sistema lineal. Exprese con palabras las siguientes dos operaciones elementales de fila que deben realizarse para resolver el sistema. ' 1 -4 -3 0 1 4 0 0 1 .0 0 0
0 7' 0 6 2 0 1 -5
4 ' 1 -6 0 2 -7 0 0 i 4 0 0
0 -1 ' 4 0 2 -3 1 2
15l
' 1 -5 0 1 0 0 0 0
4 0 3 0
0 1 0 2
x i - 6x 2
= 5
X j - 4X3 +
X« = 0
—x 1 + 6x 1 + X3 + 5x« = 3 -X2 + 5x 3 + 4x4 = o 2x,
- 4x« = - 1 0
3X2 +3X3
=
0
.«3 + 4X4 = - 1 —3xi + 2 x 2 + 2*3 +
En las ejercicios 7 a 10. la matriz aumentada de un sistema lineal se redujo mediante operadores de fila a la forma indicada. En cada caso, continúe con las operaciones adecuadas de fila y describa el conjunto solución del sistema original. 7 3 -4 " 1 -1 3 0 0 1 0 1 -2
- 6x3 = -8 X2 + 2x3 = 3 3xi + 6X2 —2x3 = —4
En los ejercicios 15 y 16 determine si los sistemas son consistentes. No resuelva por completo dichos sistemas.
la
'| 0 0 0
lx x
X4 =
5
17. ¿Las tres rectas 2xi + 3rz = - 1 . 6 t| + 5x2 = 0, y 2ri - 5rz = 7 tienen un punto común de intersección? Explique su respuesta. la
Diga si los tres planos 2x( + 4x2 + 4xs - 4. x2 - 2xs ■ - 2 . y 2xi + 3x2 = 0 denenal menos un punto común de intersección. Explique su respuesta.
Eh los ejercicios 19 a 22. determine el valor o los valores de h tales que la matriz sea la matriz aumentada de un sistema lineal consistente, 0' 0 0 0
0 0 -5 ' ' 1 -1 0 0 -7 1 -2 2 0 0 1 -3 0 0 0 1 4
En los ejercicios 23 y 24. se citan enunciados clave de esta sección, con ligeras modificaciones (pero manteniendo su validez), o se al teraron de manera que. en algunos casos, son falsos. Marque cada enunciado como verdadero o falso, y justifique su respuesta. (Si el
* i .os ejercicios marcados con w asterisco deben trabajarse en colaboración con los compañeros de clase. Se sugiere formar equipos de dos o tres estudiantes.
http://www.fullengineeringbook.net 32 of 461.
1 .1 enunciado es verdadero, entonces Indique la ubfcadón aproximada donde se presenta un enunciado similar, o haga referencia a una defi nición o un teorema Si la afirmación es falsa. Indique la ubicación de un enunciado que se haya citado o empleado Incorrectamente, o dte un ejemplo que muestre la falsedad del enundado en todos los casos). Preguntas similares de falso/verdadero se presentarán en muchas secciones del libro.
Sistemas de ecuaciones lineales 15
En los ejercicios 29 a 32. encuentre la operación elemental de fila que transforme a la primera matriz en la segunda, y luego encuentre h operación de fila Inversa que transforme a la segunda matriz en la primera.
2 5 a) Todas las operaciones elementales de fila son reversibles. b) Una matriz de 5 x 6 tiene seis filas. d H conjunto solución de un sistema lineal que Incluye a las variables x\.....xn es una lista de números (si....... que ch validez a cada ecuación del sistema cuando se sustitu yen los valores s\.....s„ por x\...... respectivamente. d Las dos preguntas fundamentales acerca de un sistema lineal Incluyen existenda y unicidad. 2 4 a) Des matrices son equivalentes por filas si tienen el mismo número de filas. b) En una matriz aumentada las operaciones elementales de fila no modifican nunca el conjunto solución del sistema li neal asociado. d Dos sistemas lineales equivalentes pueden tener diferentes conjuntas solución. d Un sistema consistente de ecuaciones lineales tiene una o más soluciones. 2 5 Encuentre una ecuación que Incluya a g, b y k. y que permita que esta matriz aumentada corresponda a un sistema consLs tente:
Un importante asunto en el estudio de transferencia de calor es deter minar la distribución de temperatura de estado estable de una placa delgada cuando se conoce la temperatura en los bordes. Suponga que h placa que se ilustra en la figura representa una sección transversal de una viga de metal, con flujo de calor despreciable en la dirección perpendicular a la placa Sean T\.....7¡ las temperaturas en los cua tro nodos Interiores de la malla en la figura La temperatura en un nodo es aproximadamente Igual al promedio de las temperaturas de los cuatro nodos más cercanos, esto es. a la Izquierda arriba, a la derecha y ahajo.5 Por ejemplo. 7¡ = (10 + 20 + T2 + Tt )/A. o
f
1 -4 7 *' 0 3 —5 / 1 [ - 2 5 -9 k
20*
2 a Suponga que el sistema que aparece a continuación es consis tente para todos los posibles valores de f y g. ¿Qué puede decir se acerca de los coeficientes c y di Justifique su respuesta.
4T, - T2 -
20°
10°
40®
10a
4cr
2xi + i x i - f ctl + dxt • g
30°
“ 30
30°
27. Suponga que a. b. c y dson constantes tales que aes diferente de cero y el sistema que aparece a continuación es consisten te para todos los posibles valores de f y g. ¿Qué podría decir acerca de los números a. b. c y di Justifique su respuesta. ax \ + hx? = f « i + dxt ■ g
33. Escriba un sistema de cuatro ecuaciones cuya solución dé esti maciones de las temperaturas 7i„.., 7i.
2 K Construya tres diferentes matrices aumentadas para les sistemas
1 Véase Frank M. Whlte, H e a l a n d M u s Vfesley Pubttshtng. 1991), pp. 145-149.
lineales cuyo conjunto solución es x, = 3.
= -2 . x3= -1 .
9L Resuelva el sistema de ecuaciones del ejercicio 33. |S«£crrncta.fbra conseguir rapidez en el cálculo, Intercambie las filas 1 y 4 antes de inidar las operaciones de 'remplazo* ].1 T r a n s fr r
(Reedlng. MA: Addison-
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. a) Rara efectuar 'cálculos a mano*, la mejor elección es intercambiar las ecuaciones 3 y 4. Otra posibilidad es multiplicar la ecuación 3 por 1 /5 .0 bien, remplazar la ecuaa ó n 4 por su suma con la fila 3 multiplicada por - 1 / 5 . (En cualquier caso, no utilice *2 en la ecuación 2 para eliminar 4*? en la ecuación 1. Espere hasta que se haya lo grado una forma triangular y los términos x$ y se hayan eliminado de las primeras dos ecuaciones).
http://www.fullengineeringbook.net 33 of 461.
16 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal ti) El sistema tiene forma triangular. La simplificación ulterior inicia con x 4 en la cuarta ecuación. Utilice xa para eliminar todos los términos xa sobre e lla Ahora el paso adecuado es sumar la ecuación 4. multiplicada por 2. a la ecuación 1. (lluego, vaya a la ecuación 3 y multipliquela por 1/2, y después utilice la ecuación para eliminar los términos X3 sobre ella). 2. 0 sistema correspondiente a la matriz aumentada es
-i- 5^2 + 2 x3 = -6 4x2 — 7x3 =
2
5x 3 =
0
La tercera ecuación hace xa = 0. el cual, desde luego, es un valor permitido para X3. D es pués de eliminar los términos X3 en las ecuaciones 1 y 2 . se podría continuar para obtener valores únicos de x\ yx-¿. Asi que existe una solución, y es única Esta situación contrasta con la del ejemplo 3. 3. Es fácil comprobar si una lista especifica de números es una solución. Sean xi = 3. xz = 4. yxs = - 2 . y encuentre que 5(3) -
(4) + 2(—2) =
-2 (3 ) + 6(4) + 9(—2) =
Como (3. 4. -2 ) satisface las des primeras ecuaciones, está sobre b recta de intersección de los primeros dos planos. Puesto que (3. 4. -2 ) no satisface las tres ecuaciones, se concluye que no pertenece a los tres planos.
1 5 - 4 - 4 = 7
- 6 + 24 - 18 = 0
-7 (3 ) + 5(4) - 3 ( -2 ) = - 2 1 + 20 +
6=5
Aunque las primeras dos ecuaciones se satisfacen, no sucede lo mismo con la tercera, por lo que (3. 4. - 2 ) no es una solución del sistem a Observe cómo se utilizan los parén tesis cuando se realizan las sustituciones; su uso es muy recomendable para protegerse contra errores aritméticos.
4
Cuando la segunda ecuación se remplaza por su suma con la primera ecuación multipli cada por 3. el sistema se convierte en:
2 xi - X2 = h Q = k + 3h Si k + 3Aes diferente de cero, el sistema no tiene solución. El sistema es consistente para cualesquiera valores de h y k que produzcan k + 3/t = 0.
1.2 REDUCCIÓN POR FILAS Y FORMAS ESCALONADAS*1 En esta sección se perfecciona el método de la sección 1.1 para obtener un nuevo algoritmo de reducción por filas que permitirá analizar cualquier sistema de ecuaciones lineales .1 Las preguntas fundamentales de existencia y unicidad planteadas en la sección 1.1 podrán res ponderse utilizando la primera parte del algoritmo. 0 algoritmo es aplicable a cualquier matriz, sin importar si esta se considera o no como la matriz aumentada de un sistema lineal. Así. la primera parte de esta sección se ocupa de una matriz rectangular arbitraria y empieza introduciendo dos importantes clases de matrices, que incluyen a las matrices "triangulares’ de la sección 1.1. En las definiciones que siguen, una fila o columna ásiinia de cero (o no nula) de una matriz será una fila o columna que contenga al menos un elemento diferente de cero; una en tra d a ¡MincJyal de una fila se refiere a la entrada o el elemento diferente de cero que se encuentra más a la izquierda (en una fila distinta de cero). 1□ algoritmo es una variarte de lo que se conoce comunmente como diminación gaussiana Un método de ellm l nación sim ilar para sistemas lineales fue utilizado por matemáticos chinos en el arto 250 a. C . □ proceso era des conocido en la cultura occidental hasta el siglo xix . cuando el famoso matemático alemán. C ari Frtodrich Gauss. lo descubrió. H Ingeniero alemán. W íhelm Jordán, dio a conocer el algoritmo en i r libro sobre geodesia publicado en 1888
http://www.fullengineeringbook.net 34 of 461.
1.2
DEFINICIÓN
Reducción por filas y formas escalonadas 1 7
Una matriz rectangular está en forma «valonada (o tiene las siguientes tres propiedades:
Corma «valonada por fila*
si
I. Todas las diferentes de cero están arriba de las filas que solo contienen ceros. & Cada entrada principal de una fila está en una columna a la derecha de la entrada principal de la fila superior. 3L En una columna todas las entradas debajo de la entrada principal son ceros. Si una matriz de forma escalonada satisface las siguientes condiciones adicionales, en tonces está en Corma «valonada redunda (o forma «valonada redivida por Cías) 4. 1-a entrada principal en cada fila diferente de cero es 1. & Cada entrada principal 1 es la única entrada distinta de cero en su columna.
Una matriz «valonada (o bien, una matriz «valonada redad da está en forma de escalón (o en forma escalonada reducida, respectivamente). I«a propiedad 2 dice que las en tradas principales forman un patrón escalonado (esto es. en forma de escalera) que avanza hacia abajo y hacia la derecha de la matriz. La propiedad 3 es una simple consecuencia de la propiedad 2. pero se incluyó para darle mayor énfasis. Las matrices 'triangulares” de la sección 1.1, tales como 2 -3 2 0 1 -4 0 0 0
• 1 8 5 /2
0 1 0
n
0
y
J
Lo
0 0 i
29 16 3
están en forma escalonada. De hecho, la segunda matriz está en forma escalonada reducida A continuación se presentan más ejemplos. E JE M P L O 1 Las siguientes matrices están en forma escalonada. Las entradas principales (■) pueden tener cualquier valor diferente de cero; las entradas con asterisco (*) pueden tener cualquier valor (incluyendo al cero). ■ 0 0 0
* ■ 0 0
• • 0 0
* * 0 0
0 0 0 0 0
■ 0 0 0 0
* 0 0 0 0
* ■ 0 0 0
*
*
*
*
*
*
*
*
*
*
■ 0 0
» * * * ■ * • * 0 0 0 ■
I-as siguientes matrices están en forma escalonada reducida porque las entradas principales son números 1. y hay ceros abajo y arriba de cada entrada principal 1. 1 0 0 0
0 1 0 0
♦ ♦ 0 0
♦ 0 0
0 0 0 0 0
1 0 0 0 0
* 0 o 0 0
0 1 o 0 0
0 0 1 0 0
0 0 o 1 0
• • 0 • 0
* * 0 * 0
0 0 o 0 1
Cualquier matriz distinta de cero puede w d ir lr w por fila* (es decir, transformarse mediante operaciones elementales de fila) para producir más de una matriz en f a m a escalo nada utilizando diferentes secuencias de operaciones de fila Sin embargo, la forma escalona da reducida que se obtiene a partir de una matriz es única. El siguiente teorema se demuestra en el apéndice A al final del libro.
TEOREMA 1
Unicidad de la forma escalonada reducida Cada matriz es equivalente por filas a una. y solo a una, matriz escalonada reducida.
http://www.fullengineeringbook.net 35 of 461.
18
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal Si una matriz A es equivalente por filas a una matriz escalonada U, entonces U se llama
ana forma escalonada (o una forma escalonada por filas) é e A . s i U está en forma escalo nada reducida, entonces { /« la forma « calo rad a reducida de A. [I-a mayoría de los pro gramas de matrices y de las calculadoras con capacidades para trabajar con matrices emplean la abreviatura RREF (por las siglas de reduced tvw echelon form) para referirse a la forma escalonada reducida por filas. Algunos utilizan REF (por las siglas de row echelon form ) para designar la forma escalonada por filas 1.
Posiciones pivote Cuando las operaciones de fila sobre una matriz producen una forma escalonada, las opera ciones de fila posteriores para obtener la forma escalonada reducida no cambian la posición de las entradas principales. Como la forma escalonada reducida es única, entonces ¡as en tradas principales siempre están en las mismas posiciones en cualquier form a escalonada obtenida a partir de una matriz dada. Esas entradas principales corresponden a los números 1 principales de la forma escalonada reducida.
DEFINICIÓN
Una paricáán pivote en una matriz A es una ubicación en A que corresponde a un 1 principal en la forma escalonada reducida de A. Una n t e m a pivotees una columna de A que contiene una posición pivote. En el ejemplo 1, los cuadrados (■) identifican las posiciones pivote. Muchos conceptos fundamentales en los primeros cuatro capítulos estarán relacionados de una u otra manera con las posiciones pivote en una matriz. E JE M P L O 2 Reduzca por filas la matriz A que se muestra a continuación hasta la forma escalonada, y localice las columnas pivote de A. 0 -3 -6 -1 - 2 -1 -2 -3 0 4 1 5
4 3 3 -9
9 1 -1 -7
SOLUCIÓN Utilice la misma estrategia básica de la sección 1.1. La entrada superior de la co lumna diferente de cero más a la Izquierda de la matriz es la primera posición pivote. En esta posi ción debe colocarse una entrada diferente de cero, o pivote. Una buena opción es intercambiar las filas 1 y 4 (porque los cálculos mentales en el siguiente paso no implicarán fracciones). Pivote ,J 7
-1 -2 - 2 -3 0 -3
5 -1 0 -6
-9 3 3 4
7' 1 -1 9
-
i 1— Columna pivote Cree ceros debajo del pivote. 1. sumando múltiplos de la primera fila a las filas inferiores, para así obtener la matriz (1) que se muestra a continuación. La posición pivote en la segunda fila debe estar tan a la izquierda como sea posible, es decir, en la segunda columna. Se elige el 2 en esta posición como el siguiente pivote. I 0 0 0
-7
-6
-1 5 9
t _ Siguiente columna pivote
http://www.fullengineeringbook.net 36 of 461.
(1)
1.2
Reducción por filas y formas escalonadas 19
Sume la fila 2 multiplicada por - 5 /2 a la fila 3, y sume la fila 2 multiplicada por 3/2 a la fila 4. "1 4 5 - 9 - 7 ' 0 2 4 -6 -6 m 0 0
0 0
0 0
0 0 5 0
-
y1
l-a matriz en (2) es diferente de las que se Incluyen en la sección 1.1. ¡No hay manera de crear una entrada principal en la columna 31 (No podemos emplear las filas I o 2 porque, al hacer lo, se destruirla el arreglo escalonado de las entradas principales ya obtenidas). Sin embargo, si se intercambian las filas 3 y 4. se puede obtener una entrada principal en la columna 4.
2 0
r-PJvote 5 - 9 —71 4 -6 -6 Forma general: 0 -5 - 0
0 0
* ■
* *
0
0
0
0
0
1
4
0 0 0
0
0
■
0
* * ■
* * *
0
0
0
t _ L______ L_- Columnas pivote La matriz está en forma escalonada y así revela que las columnas 1. 2 y 4 de A son columnas pivote.
Posiciones pivote 4 9l - 1-3 - 6 -1 - 2 - L-i 3 1 -2 -3 0 3- - 1 4 5 -9 -7 1 L ♦ 0
A =
(3) Colum nas pivote
Un pivote como el que se muestra en el ejemplo 2. es un número distinto de cero en una posición pivote que se utiliza conforme se necesite crear ceros mediante operaciones de fila. I^os pivotes en el ejemplo 2 fueron 1. 2 y - 5 . Observe que esos números no son los mismos que los elementos reales de A en las posiciones pivote indicadas en (3). Con el ejemplo 2 como gula, es posible describir un procedimiento eficiente para trans formar una matriz en una matriz escalonada o escalonada reducida. El estudio cuidadoso y el dominio de este procedimiento rendirán valiosos frutos en este curso.
Algoritm o de reducción por filas U algoritmo que sigue consta de cuatro pasos y produce una matriz en forma escalonada Un quinto paso da por resultado una matriz en forma escalonada reducida. Demostraremos este algoritmo con un ejemplo. E JE M P L O 3 Aplique operaciones elementales de fila para transformar la siguiente ma triz a la forma escalonada y. luego, a la forma escalonada reducida:
3 3 -7 3 -9
0
-6 8 12
6
4
-5 -9
8 6
-5 9 15
SOLUCIÓN RASO 1 Se inicia con la columna diferente de cero del extremo izquierdo. Esta es una columna pivote. La posición pivote se ubica en la parte superior.
http://www.fullengineeringbook.net 37 of 461.
20
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
0 3 -6 6 8 -5 3 -7 3 -9 12 - 9 ‘— Columna pivote
4 8 6
-5 9 15
PASO 2 Seleccione como pivote una entrada diferente de cero en la columna pivote. Si es nece sario. intercambie filas para mover esta entrada a la posición pivote.
Intercambie a las filas 1 y 3. (O bien, también se podrían intercambiar las filas 1 y 2).
I— Pivote 12 - 9 3- - 9 3 -7 8 -5 0 3 -6 6
6 8 4
15 9 -5
PASO 3 Utilice operaciones de remplazo de filas para crear ceros en todas las posiciones ubi cadas debajo del pivote.
Como paso preliminar, se podría dividir la fila superior entre el pivote. 3. Pero con dos núme ros 3 en la columna 1. esto es tan fácil como sumar la fila 1 multiplicada por - 1 a la fila 2.
[
i— Pivote 3- - 9 12 - 9 O 2 -4 4
6 2
15] -6
O
4
-5 j
3
-6
6
PASO 4 Cubra (o ignore) la fila que contiene la posición pivote y cubra todas las filas, si las hay. por encima de esta. Aplique los pasos 1 a 3 a la submatriz restante. Repita el proceso hasta que no haya filas diferentes de cero por modificar.
Con la fila 1 cubierta, el paso 1 muestra que la columna 2 es la próxima columna pivote; para el paso 2, seleccione como pivote la entrada "superior* en esa columna.
— Pivote 12 - 9 6 15 -4 4 2 -6 -6 6 4 -5 — Siguiente columna pivote En el paso 3, se podría insertar un paso adicional de dividir la fila ‘superior* de la submatriz entre el pivote, 2. En vez de ello, se suma la fila ‘ superior" multiplicada por - 3 / 2 a la fila de abajo. Esto produce
[ O3
-9 2
12- 9 -4 4
6 15] 2 -6
0
0
0 0
1 4j
http://www.fullengineeringbook.net 38 of 461.
1.2
Reducción por filas y formas escalonadas 2 1
Para el paso 4, cuando se cubre la fila que contiene la segunda posición pivote, se obtiene una nueva submatriz con una sola fila:
2
-4
-9 4
0
0
0
r-? - 9
bo L
12
6 2
15' -6
lv J■Pivote
Los pasos 1 a 3 no necesitan aplicarse para esta submatriz, pues ya se ha alcanzado una forma escalonada para la matriz completa. Si se desea la forma escalonada reducida, se efectúa un paso más. RASO 5 Empezando con la posición pivote del extremo derecho y trabajando had a arriba y hacia la izquierda, genere ceros arriba de cada pivote. Si un pivote no es l. conviértalo en 1 mediante una operación de escalamiento.
0 pivote del extremo derecho está en la fila 3. Genere ceros sobre él. sumando múltiplos adecuados de la fila 3 a las filas 1 y 2. [ 3 - 9 12 - 9 0 2-4 4 0 0 0 0
0 -9] 0 - 14 1 4j
— FUa 1 + ( - 8 ) -fila3 — illa 2 + (-2 ) Illa 3
H siguiente pivote se encuentra en la fila 2. Se escala esta fila dividiéndola entre el pivote.
i[ 3 - 9 12 - 9 0 1 -2 2 [o 0 0 0
0 -9] 0 —7 1 4J
— Ría escalad.i poi
Cree un oero en la columna 2 sumando la fila 2 multiplicada por 9 a la fila 1. 3 0 0
0 -6 1 -2 0 0
9 2 0
0 -7 2 0 -7 4 1
Finalmente, escale la fila 1 dividiéndola entre el pivote. 3. I
0
-2
3
0
-2 4 ]
0
1
-2
2
0
-7
0
0
0
0
1
[
— Ría escalada por \
4J
Esta es la forma escalonada rcdudda de la matriz original.
■
La com binadón de los pasos 1 a 4 se conoce como fase proy eava del algoritmo de reducción por filas. 0 paso 5. que produce la única forma escalonada redudda. se conoce como fiaseiTfytMva
----- NOTA NUM ÉRICA --------------------------------------------------------------------------------------------En el paso 2 que se describió antes, un programa computactonal por lo general selec ciona como pivote a la entrada en una columna que tenga el mayor valor ahsoluto. Esta estrategia, llamada pivoteo pardal se utiliza porque reduce los errores de redondeo en los diversos cálculos.
http://www.fullengineeringbook.net 39 of 461.
22
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
Soluciones de sistem as lineales El algoritmo de reducción por filas conduce directamente a una descripción explícita del conjunto solución de un sistema lineal cuando se aplica a la matriz aumentada del sistema. Suponga, por ejemplo, que la matriz aumentada de un sistema lineal se transformó a la forma escalonada reducida equivalente
Existen tres variables porque la matriz aumentada tiene cuatro columnas. El sistema de ecuaciones asociado es —5x3 = 1
X\ *2
+ *3 = 0
(4)
4
=0
Las variables X\ y correspondientes a las columnas pivote se conocen como variables bád a e t La otra variable. x% se denomina variable Shre Siempre que un sistema es consistente, como en (4). el conjunto solución se puede des cribir explícitamente al despejar en el sistema de ecuaciones reducido las variables básicas en términos de las variables libres. Esta operación es posible porque la forma escalonada reducida coloca a cada variable básica en una y solo una ecuación. En (4). despeje x i de la primera ecuación y x¡ de la segunda. (Ignore la tercera ecuación, ya que no ofrece restric ciones sobre las variables). íx i = 1 + 5X3
j *2 = 4 - *3
(5)
[*3 es libre
El enunciado *X3 es libre" significa que existe libertad de elegir cualquier valor para * 3. Una vez hecho esto, las fórmulas en (5) determinan los valoresde x i y *2 . Por ejemplo, cuando x3 = 0. la solución es (1. 4. 0); cuando x3 = 1. la solución es (6 . 3. 1). C ada asignación diferente d e Xj determ ina una solución (d istin ta ) d e l sistem a, y cada solución d el sistem a está determ inada p o r una asignación de X3.
EJ EM PLO 4 Encuentre la solución general del sistema lineal cuya matriz aumentada se redujo a I
6
2 - 5 - 2
0
0
2
0
0
0
[
-8
-4 ] 3
-1
0
7j
1
SOLUCIÓN La matriz está en forma escalonada, pero se desea la forma escalonada reducida antes de despejar las variables. El siguiente paso es completar la reducción por filas. El sím bolo ~ antes de una matriz indica que esta es equivalente por filas a la matriz anterior. 1 0 0
6 0 0
2 -5 -2 - 4 1 2 -8 -1 3M 0 0 1
r» 0 1
6 0 0
2 -5 2 -8 0 0
0 0 1
10 10 7
1 0 0
6 0 0
2 -5 1 -4 0 0
1n
6 0 0
0 3 1 -4 0 0
0 0 1
0 5 7
0 0 1
101 5 U
0 Lo
3Algunos libros utilizan el termino variables principales, ya que corresponden a las columnas que contienen entradas principales.
http://www.fullengineeringbook.net 40 of 461.
1.2
Reducción por filas y formas escalonadas 23
Existen cinco variables porque la matriz aumentada tiene seis columnas. Ahora el sistema asociado es X| + 6jc2
+3x4
=0
Xj - 4X4
=5
(6)
xj = 7 Las columnas pivote de la matriz son 1,3 y 5. asi que las variables básicas son xi, X3 y xs. Las variables restantes. X2 y xi, deben ser libres. Se despejan las variables básicas para obtener la solución general: X| = - 6x 2 - 3xi X2 « Ubre
x 3 = 5 + 4x4
(7)
X4 es libre
*5 = 7 Observe que el valor de xs ya estaba establecido por la tercera ecuación del sistema (6 ).
■
D escripciones param étricas de conjuntos solución Ijis descripciones en (5) y (7) son descripciones p a ra m é ricas de conjuntos solución en los cuales las variables libres actúan como parámetros. R esolver u n sistem a significa encontrar una descripción paramétrica del conjunto solución o determinar que el conjunto solución está vacio. Siempre que un sistema sea consistente y tenga variables libres, el conjunto solución ten drá muchas descripciones paramétricas. Por ejemplo, en el sistema (4). se puede sumar la ecua ción 2 multiplicada por 5 a la ecuación 1 para obtener el sistema equivalente X| + 5x2
= 71
X2 + X3 =
4
Se podría tratar a x2 como un parámetro y despejar x \ y x 3 en términos de x2. y se tendría una descripción exacta del conjunto solución. Sin embargo, para ser consistentes, se establece la convención (arbitraria) de utilizar siempre las variables libres como parámetros para des cribir un conjunto solución. (La sección de respuestas al final del libro también refleja esta convención). Cuando un sistema es inconsistente, el conjunto solución es un conjunto vacío, aun cuan do el sistema tenga variables libres. En este caso, el conjunto solución no tiene representación paramétrica
S ustitución regresiva Considere el siguiente sistema, cuya matriz aumentada está en forma escalonada, pero no en forma escalonada reducida:
x, - 7x2 + 2 x 3 - 5x 4 + 8x5 = 10 X2 - 3x3 + 3x4 + Xs = - 5
*4 -
*5 =
4
Un programa computacional resolvería este sistema mediante sustiturión regresiva, en vez de calcular la forma escalonada redunda. Es decir, el programa despejarla X4 de la ecuarión 3 en términos de xs. y sustituirla la expresión para x* en la ecuadón 2; luego, despejaría x2 de esta última, sustituirla las expresiones para x2 y X4 en la ecuadón 1 y despejarla X|. Nuestro formato matrinal para la fase regresiva de reducdón por filas, el cual produce la forma escalonada redunda, tiene el mismo número de operaciones aritméticas que la sustitudón regresiva. Poro la disciplina del formato matricial reduce de forma sustancial los errores
http://www.fullengineeringbook.net 41 of 461.
24
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
posibles en los cálculos a mano. [La mejor estrategia es utilizar solamente la forma escalo nada reducida para resolver un sistema! ------ NOTA N U M ÉR IC A -----------------------------------------------------------------------------------------
En general, la fase progresiva de reducción por filas es más larga que la fase regre siva Por lo regular, un algoritmo para resolver un sistema se mide en flo p s (u ope raciones de punto flotante). Un flop es una operación aritmética (+. —. *, /) que se realiza sobre dos números reales de punto flotante.3 Para una matriz de n x (n + 1). la reducción a la forma escalonada puede requerir 2i?/2> + r f/ 2 - 7 / 2/6 flops (que es aproximadamente 2/t'/ 3 flops cuando n es moderadamente grande, por ejemplo. n s 30). En contraste, una reducción adicional a la forma escalonada reducida nece sita. a lo sumo, i? flops.
Preguntas de existencia y unicidad Aunque una forma escalonada no reducida es una herramienta poco eficiente para resolver un sistema, esta forma es justamente el medio oorrecto para responder las dos preguntas fun damentales planteadas en la sección 1 . 1 .
EJEMPLO 5 Determine la existencia y unicidad de las soluciones del sistema 3x2 — 6x3 + 6x4 + 4x5 = - 5 8x3 - 5x4 + 8x5 = 9 3x i —9x2 + 12x 3 “ 9x4 + 6xs = 15
3x i - 7x 2 +
SOLUCIÓN La matriz aumentada de este sistema se redujo por filas en el ejemplo 3 a: 3 - 9 12 - 9 0 2 -4 4 0 0 0 0
6 15' 2 -6 1 4
(8)
Las variables básicas son xi. y xs; las variables libres son xa y xa. N o existe ninguna ecua ción del tipo 0 = 1 que indique la inconsistencia del sistema, asi que se podría emplear sus titución regresiva para encontrar una solución. Pero en (8 ) ya es evidente la existen cia de una solución. Además, la solución n o e s m ic a porque hay variables libres. Cada diferente asignación de xj y x4 determina una solución distinta Por lo tanto, el sistema tiene un nú mero infinito de soluciones. ■ Cuando un sistema está en forma escalonada y no contiene ecuaciones del tipo 0 = b, con b diferente de cero, entonces cada ecuación no nula tiene una variable básica con un coeficiente distinto de cero. Es posible que las variables básicas estén completamente de terminadas (sin variables libres) o que al menos una de las variables básicas pueda expresarse en términos de una o más variables libres. En el primer caso, existe una solución única; en el último caso, hay infinidad de soluciones (una para cada asignación de valores a las variables libres).
3Tradfclonalmcnte. un flop era solo una m ultiplicación o dM sIón. ya que la suma y la resta lomaban mucho menos tiempo y podían Ignorarse. Ahora se prefiere b definición de/tonque aquí se presenta, debido a los avances en la arquitectura computación^, Véase Colub y Van Ijoan Mairix Compuintion.i 2a. ed, (Baltimore: The Johns Hopldns Prest, MW9).pp. 19- 20.
http://www.fullengineeringbook.net 42 of 461.
1.2
Reducción por filas y formas escalonadas 25
Esas observaciones justifican el siguiente teorema TEOREM A 2
Teorem a d e existencia y unicidad
Un sistema lineal es consistente si y solo si la columna más a la derecha de la matriz aumentada no es una columna pivote, es decir, si y solo si una forma escalonada de la matriz aumentada no tiene filas del tipo [0 ••• 0
b\
conAdiferentedecero
S un sistema lineal es consistente, entonces el conjunto solución contiene: i una única solución, cuando no existen variables libres, o 2. una infinidad de soluciones, cuando hay al menos una variable libre.
El siguiente procedimiento indica cómo encontrar y describir todas las soluciones de un sistema lineal.
U SO D E L A R E D U C C IÓ N P O R F IL A S P A R A R E S O L V E R U N S IS T E M A U N E A L
1. Escriba la matriz aumentada del sistema. 2. Emplee el algoritmo de reducción por filas para obtener una matriz aumentada equivalente en forma escalonada Determine si el sistema es consistente o no. Si no existe solución, deténgase: en caso contrario, continúe con el siguiente paso. 3L Prosiga con la reducción por filas para obtener la forma escalonada reducida. 4 Escriba el sistema de ecuaciones correspondiente a la matriz obtenida en el paso 3. & Rescriba cada ecuación no nula del paso 4 de manera que su única variable básica se exprese en términos de cualquiera de las variables libres que aparecen en la ecuación.
P R O B L E M A S D E P R Á C T IC A
1. Encuentre la solución general del sistema lineal cuya matriz aumentada es r 1 -3
L°
-5
1
01
3J
1
2. Obtenga la solución general del sistema X l - 2x 2 x3 + 3x4 = 0 -2xi + 4x2 + 5x3 - 5x4 = 3 3xi - 6 x 2 - 6x3 + 8 x4 = 2
1 .2 E JE R C IC IO S 1E n lo s e je rcicio s 1 y 2. determ ine cuáles m atrices están en form a e s calonada reducida y cuáles se encuentran so lo en form a escalonada.
L
a)
' 1 0 0
0 1 0
0 0 l
0' 0 1
d)
1 0 0
0 1 0
1 l 0
0' 0 1
d
' 1 0 0 0
0 1 0 0
0 1 0 0
http://www.fullengineeringbook.net 43 of 461.
0' 0 0 1
‘ 1
di
0 0 0
1 2 0 0
0 0 0 0
1 2 3 0
1' 2 3 4
26 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal '1 0 0
0 1 0
1 1 0
r 1 0
‘0 1 0 ,0
0 2 0 0
0 0 1 0
0' 0 0 1
‘0 0 0 0
1 0 0 0
1 1 0 0
1 1 0 0
0 2 0
n b)
0 Lo
0 0 1
0 0 1
* i
4 6 9
2 4 6
r 1 1 0
8" 8 12
n 4
2 .4
4 5 4
2 4 5
4 7
*
[3
a
1 -2 4 -3 L»
11.
■ 3 -2 9 -6 _6 - 4
13.
14.
1 -3 0 1 0 0 0 0
r 1 -3
71
6-
*
31
4 12 8
[-3
IQ [ ' L -2
0* 0 0_
12
"1 0 0 0
7
- 2 -1 4 -5
'0 0 0
0 0
•
*
■
*
*
o
■
o
i]
0 -9 1 3 0 0 0 0
x, + hx} = 2
0 4 0 -1 1 -7 0 1
* 8Q
X, - 3x} = 1 2 xi + h xi — k
tí) El algoritmo de reducción por filas solamente se aplica a matrices aumentadas para un sistema lineal. c) En un sistema lineal una variable básica es una variable que corresponde a una columna pivote en la matriz de coefi cientes. d) Encontrar una descripción paramétrica del conjunto solución de un sistema lineal es lo mismo que resolver e\ sistema. é) Si una fila en una forma escalonada de una matriz aumen tada es [0 0 0 5 0). entonces el sistema lineal asociado es inconsistente. • tSL a) La forma escalonada reducida de una matriz es única. tí) Si cada columna de una matriz aumentada contiene un pivo te, entonces el sistema correspondiente es consistente. c) Las posiciones pivote en una matriz dependen de si se utill zan o no intercambios de filas en el proceso de reducción por filas. di Una solución general de un sistema es una descripción explí cita de todas las soluciones del sistema.
3' 6 0 0
* * 0
0 0
*
• 2L á) En algunos casos, una matriz se puede reducir por filas a más de una matriz en forma escalonada reducida, median te diferentes secuencias de operaciones de fila
9J
e) Si un sistema tiene variables libres, entonces el conjunto so lución contiene muchas soluciones.
Ins ejercicios 15 y 16 emplean la notación del ejemplo 1 para ma trices en forma escalonada. Suponga que cada matriz representa la matriz aumentada para un sistema de ecuaciones lineales. En cada caso, determine si el sistema es consistente. De ser así. determine si fr solución es única.15 15. ¿d
•
En los ejercicios 21 y 22. marque cada enunciado como verdadero o friso. Justifique cada respuesta.4
0 -5 1 0
0 -1 0 —2" 0 0 -4 1 4 0 1 9 0 0 0 0
0 -5 0 -8 0 1 4 -I 0 0 0 1 0 0 0 0
'1 0 0 0
*
■
4x i + 8 x 2 = *
Encuentre las soluciones generales de los sistemas cuyas matrices aumentadas se presentan en los ejercicios 7 a 14. 3 9
*
o
Eh los ejercicios 19 y 20. asigne valares para h y i de manera que á sistema a) no tenga solución. tí) tenga solución única, y t) tenga truchas soluciones. Dé respuestas por separado para cada inciso. • la
5 4 2
• & Repita el ejercicio 5 para una matriz de 3 x 2 diferente de cero.
i
■
o
[
Describa las posibles formas escalonadas de una matriz de 2 x 2 diferente de cero. Utilice los símbolos ■. • y 0. como ai la primera paite del ejemplo 1.
r
a)
0 0 17 y 018. determine * En los ejercicios el valor o los valores de h tales qje la matriz sea la matriz aumentada de un sistema lineal consis tente.
En los ejercicios 3 y 4 aplique la reducción por filas a las matrices para llevarlas a la forma escalonada reducida. En las matrices origl nal y final encierre en un circulo las posiciones pivote, e indique las columnas pivote. ’l 2 3
la
• 231 Suponga que la matriz coeficiente de un sistema lineal de cua tro ecuaciones con cuatro variables tiene un pivote en cada co lumna. Explique por qué el sistema tiene solución única. •M
Suponga que un sistema de ecuaciones lineales tiene una matriz aumentada de 3 x 5 cuya quinta columna no es una columna pivote. ¿El sistema es consistente? ¿Por qué?
4Preguitas de irerdadcro/falso de este tipo se presentaran en muchas sécelo res. Antes de los pércidos 23 y 24 de la sección 1.1. se describieron algunos métodos paraJustificar las respuestas
http://www.fullengineeringbook.net 44 of 461.
1.2 8& Suponga que la matriz coeficiente de un sistema de ecuado res lineales tiene una posición pivote en cada fila. Explique por qué el sistema es consistente. 8 a Suponga que una matriz de coeficientes de 3 x 5 para un sis tema tiene tres columnas pivote. ¿Q sistema es consistente? ¿Por qué? 87. Restructure la última frase del teorema 2 empleando el concepto de columnas pivote: 'Si un sistema lineal es consistente, enton res la solución es única si y solo s i _________ 8 a En una matriz aumentada, ¿qué se necesita saber acerca de las columnas pivote para determinar que el sistema lineal es consis lente y tiene una solución única? 8 a Un sistema de ecuaciones lineales con menos ecuaciones que Incógnitas se conoce como sistema subdete minado. ¿Tal siste ma puede tener una solución única? Explique su respuesta. Dé un ejemplo de un sistema subdeterminado inconsistente de dos ecuaciones con tres Incógnitas. 31. Un sistema de ecuaciones lineales con más ecuaciones que In cógnitas se llama sistema sobredeterminado. ¿Tal sistema puede ser consistente? Ilustre su respuesta con un sistema especifico de tres ecuaciones con dos Incógnitas. 38. Considere que una matriz de n x (n + 1) se simplifica por fi las a su forma escalonada reducida. Aproximadamente, ¿qué fracción del número total de operaciones (flops) está lmpli cada en la fase regresiva de la reducción cuando n - 20? ¿Y cuando o = 200? Suponga que los datos experimentales están representados por un conjunto de puntos en el plano. Un p n f tr a in de h^erpoiación ¡xir.i los datos es un polinomio cuya gráfica pasa por todos los puntos.
Reducción por filas y formas escalonadas 2 7
En el ámbito científico, dicho polinomio se utiliza, por ejemplo, para estimar valores entre les puntos de datos conocidos. Otro uso es en b creación de curvas para imágenes gráficas en el monitor de las computadoras. Un método para construir un polinomio de lnierpo helón consiste en resolver un sistema de ecuaciones lineales.
33. Ehcuentre el polinomio de Interpolación p(t) =
+ a¡t + ají1 para los datos (1. 6). (2. 15). (3. 28). Es decir, determine a, y é ta le s que a0 + 0|(l> + fl2(l)J = 6 a0 + a ,(2 ) + <1,(2)’ = 15 flo + o»(3) + a2(3)* = 28
34. |M] En un experimento de túnel de viento, la fuerza sobre un proyectil debido a la resistencia del aire se midió a diferentes velocidades: Velocidad (100 ft/seg)
0
H iera (100 Ib)
0
2
4
6
8
2.90 14.8 39.6 74.3
10 119
Encuentre un polinomio de Interpolación para estos datos y estime la fuerza sobre el proyectil si este viaja a 750 ft/seg Utilice p(() = O) + 3 j/+ + as? + att* + ¿Qué ocurre si usted intenta emplear un polinomio de menor grado que 5? (Por ejemplo. Intente un polinomio cúbico).5
* I jos ejercicios marrarlos con el símbolo )M deben trabajarse con la ayuda de un 'programa de matrices' (esto es. un programa comptractonal, como M A TLA B*. lia p le ™ . M a hemarica1 , MaihCarf* o D erive™ , o una calcu ladora programare con capacitbdes matrictales, como las fabricadas per Texas Instruments o Hewlett Packatd).
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1.
La forma escalonada reducida de la matriz aumentada y el sistema correspondiente son [ 1 0 - 2 9 ] [o 1 1 3j
xi *
-2 xi =9 xi+ * ,= 3
Las variables básicas son x\ y * 2. y la solución general es
la solución general del sistema de ecuaciones es la recta de lnteisecclón de los dos planos.
x, = 9 -f 2* 3 x2 = 3 - x3 * 3 es lib re
Nota: Es esencial que la solución general describa a cada variable, con cualquier parámetro claramente definido. El siguiente enunciado no describe la solución: xi = 9 + 2*3 x2 = 3 —x 3 X3 = 3 —x2 Solución ■ Esta descripción Implica que tantox2 com ox3 son libres, lo que desde luego no es el caso.
http://www.fullengineeringbook.net 45 of 461.
28
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal 2.
La matriz aumentada del sistema se reduce por filas: 1 -2 4 2 3 -6
-1 5 -6
3 —5 8
°i r1 3 M 0 2J [ 0 n ~
0
Lo
-2 0 0
-1 3 -3
3 1 -1
-2 0 0
-1 3 0
3 1 0
0‘ 3 2_ 0 3 5
‘
Esta matriz escalonada indica que el sistema es inconsistente, porque su columna del ex tremo derecho es una columna pivote: la tercera fila corresponde a la ecuación 0 = 5. No hay necesidad de realizar más operaciones de fila Observe que en este problema es irrelevante la presenda de las variables libres porque el sistema es inconsistente.
1.3
ECUACIONES VECTORIALES Importantes propiedades de sistemas lineales se pueden describir mediante el concepto y la notadón de ved ores. Esta secdón reladona ecuaciones vedoriales con sistemas ordinarios de ecuaciones. El término vector aparece en una variedad de contextos matemáticos y físicos, los cuales se analizarán en el capitulo 4, 'E sp ad a s vedoriales". Por ahora, vector significará una lista ordenada de números. Esta idea sencilla permite realizar, de manera rápida, intere santes e importantes aplicadones.
V ectores en R 2 Una matriz con una sola columna es un vector columna o simplemente un vector Ejemplos de vedores con dos entradas son
■-Midonde tvj y w2 son números reales. R2 (léase “erre dos") denota el conjunto de todos los vec tores con dos entradas. La R representa los números reales que aparecen como entradas en los vedores. y el exponente 2 indica que cada vector contiene dos entradas.1 Dos vedores en R2 son jgtalw r si y solo si sus entradas correspondientes son iguales. Así. [ 7 ] y [ 4 ] flOSOn Iguales- porque los vedores en R z son pares ordenados de números reales. Dados dos vedores ■ y v en R 2. su sana es el v ed o r ■ + las entradas correspondientes de ■ y v Por ejemplo,
v. que se obtiene al
sumar
Considerando un vedor u y un número real c, el múltiplo escalar de ■ por c es el v ed o r cm. que se obtiene al multiplicar por c cada entrada en a Por ejemplo. y
c = 5.
entonces
cu
1La mayor parte del libro se refiere a vectores y matrices que solo tienen entradas reales Sin embago, todas las definiciones y los teoremas en los a p ia rio s 1 a 4. y en la mayor parte del resto del libro, conservan su validez si h s entradas ítem números complejos. Vectores y matrices complejos sugen de manera natural en Areas como física e Ingeniería eléctrica
http://www.fullengineeringbook.net 46 of 461.
13
Ecuaciones vectoriales 29
E3 número c e n se llama escalar, se escribe en cursivas, y no en negritas, para asi distin guirlo del vector ■ Es posible combinar las operaciones de multiplicación por un escalar y suma vectorial, como en el siguiente ejemplo.
E JE M P L O 1
A partir de u = j ^ ^ j y v = ^
encuentre Am. (-3 )v . y 4 « + ( - 3 ) *
SOLUCIÓN 4” “ [ - g }
(~ 3 )v = [ "¡5 j
* + ( - 3) » - [ _ í ] + [ ‘í ] - [ " ? ]
■
Algunas veces, por conveniencia (y también para ahorrar espacio), en este libro se de nota un vector columna como ^ _ j
j en la forma (3. - 1 ) . En este caso, los paréntesis y la
coma distinguen al vector (3, - 1 ) de la matriz fila 1 x 2 [3 - 1 ] , que se representa con cor chetes y sin com a Así.
-*1 porque las matrices tienen diferentes formas, aunque las entradas sean iguales.
D escripciones geom étricas de IR2 Considere un sistema de coordenadas rectangulares en el plano. Como cada punto en el pla no está determinado por un par ordenado de números, es posible identificar un punto geomé trico (a, b) con el vector columna
J. Asi, puede considerarse a R 2 com o el conjunto de
todos los puntos del plano. Véase la figura 1.
•(2.2)
, ‘ (2.2)
/ (-2.
-í>
(3.-1)
RGURA1 \tectores como puntos.
(-2 -1 )
. ' ‘(3.-1)
RGURA 2 Víctores con flechas.
La visual izadón geométrica de un vector com o
j se facilita al incluir una flecha
(un segmento de recta dirigido) desde el origen (0. 0) al punto (3. -1 ). como en la figura 2. En este caso, los puntos individuales a lo largo de la flecha carecen de significado especial.2 La suma de dos vectores tiene una útil representación geométrica. La siguiente regla puede verificarse mediante geometría analítica.
2 En física. las flechas representan fueras y. por lo general, son Ubres para moverse en el espacio En la sección 4.1 se analizara e sa Interpretación de vectores.
http://www.fullengineeringbook.net 47 of 461.
30 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal
Regla del paralelogram o para la adición Si a y v en R2 se representan como puntos en el plano, entonces a + v corresponde a un cuarto vértice del paralelogramo cuyos otros vértices son * O y v. Véase la fi gura 3.
RGURA 3 Regla del paralelogramo.
E JE M P L O 2
Los vectores u
u+ v=
se muestran en la
figura 4.
RGURA4
El siguiente ejemplo ilustra el hecho de que el conjunto de todos los múltiplos escalares de un vector diferente de cero (también llamado no nulo), fijo, es una recta que pasa por el origen, ( 0 ,0). E JE M P L O 3
Sea u =
j-En una gráfica muestre los vectores a
2a y - - u .
SOLUCIÓN Observe la figura 5. donde se indican a 2u = ^ _ ^ j y - ^ u = ^ 2 /3 J' ^ ^ e' cha para 2 a es el doble de largo que la flecha para a. y las flechas apuntan en el mismo sentido. l,a flecha para - | u es dos tercios de la longitud de la flecha para a. y las flechas apuntan en sentidas opuestos. En general, la longitud de la flecha para rm es c| veces la
Múltiplos típicos d e a
Conjunto de todos los m últiplos de ■
RGURAS
http://www.fullengineeringbook.net 48 of 461.
13
Ecuaciones vectoriales 3 1
longitud de la flecha para n. [Recuerde que la longitud del segmento de línea de (0.0) a [a, b) es V a* + b i . Esto se analizará en el capítulo 5]. ■
V ectores en R 3 Los vectores en R 3 son matrices columna de 3 x 1 con tres entradas. Se representan geo métricamente mediante puntos en un espacio coordenado tridimensional; algunas veces se Incluyen flechas desde el origen para dar una mayor claridad visual. Iok vectores a — y 2 a s e muestran en la figura 6. FIGURA 6
Múltiplos escalares.
Vectores en R" S i n es un entero positivo. R ” {léase ‘erre ene’ ) denota la colección de todas las listas (o n a d a s ordenadas) de n números reales, generalmente escritas como matrices columna de n x 1 del tipo ~u\ ‘ U2
El vector cuyas entradas son todas cero se llama vector cero y se denota con O { 0 nú mero de entradas en Oserá evidente a partir del contexto). La igualdad de vectores en R° y las operaciones de multiplicación escalar y suma vecto rial en R °se definen entrada por entrada como en R2. Esas operaciones sobre vectores tienen las siguientes propiedades, las cuales pueden verificarse directamente a partir de las propieda des correspondientes de los números reales. Véase el problema de práctica 1 y los ejercicios 33 y 34 al final de esta sección.
Propiedades algebraicas de R* Para todo a. v. w en R Dy para todos los escalares c y d. L « + v = v + «
v. c( b + v) = e n + c y
■ .( ■ + v ) + w = « + ( v + w)
IL ■ + 0= O+ u = n
v i ( c + d)m = e n + dm
viL ddm ) = vüL lu = u
h t ■ + ( -■ ) = - ■ + ■ = O
{cd)(m)
donde - ■ denota ( - !)■
Para simplificar la notación, un vector del tipo n + ( - l)v o o n frecuencia se escribe como ■ - v. La figura 7 m uestraa u - v como la suma de « y - v . FIGURA 7
Resta vectorial.
C om binaciones lineales Dados los vectores vi. por
..... vp en R ° y dados los escalares q , o¿,
Cp, el vector y definido
y = c , v , + • • • + Cp\p se llama ccmMnarkh» Kneal de V|......vp con pesos q ........rr . La propiedad U anterior nos permite omitir los paréntesis al formar la combinación lineal. I.os pesos en una combinación
http://www.fullengineeringbook.net 49 of 461.
32
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal lineal pueden ser cualesquiera números reales, incluyendo el cero. Por ejemplo, algunas com binaciones lineales de los vectores vi y son > /3 v i
EJEM PLO 4
+
5 V1 ( = i vi + 0v2)
v 2.
y
0 ( = 0 v i + 0v2)
La figura 8 identifica combinaciones lineales seleccionadas de vi =
y v2 = [ ; ] (Observe que los conjuntos de lineas paralelas de la rejilla están trazados me diante múltiplos enteros de \ \ y ▼2). Estime las combinaciones lineales de vi y los vectores u y w
que generan
RGURA 8 Combinaciones lineales de vi y
SOLUCIÓN 1.a regla del paralelogramo Indica que ■ es la suma de 3*, y - 2 ^ ; es decir.
u = 3vi —2t 2 2» ,
I RGURA9
Esta expresión para ■ se puede interpretar como las instrucciones para desplazarse desde el origen a ■ por dos trayectorias rectas. Primero, desplácese 3 unidades en la dirección de vi ha cia 3vi, y luego avance - 2 unidades en la dirección de v 2 (paralela a la recta que pasa por vz y 0). Después, aunque el vector w no está sobre una línea de la rejilla, w parece estar a la mitad del camino entre dos pares de rectas de la rejilla, en el vértice de un paralelogramo determi nado por (5/2)*i y ( - 1/2)t ?. (Véase la figura 9). Asi, una estimación razonable de w es w = |v» - ¿v2
■
E3 siguiente ejemplo relaciona un problema sobre combinaciones lineales con la pregun ta fundamental de existencia que se estudió en las secciones 1.1 y 1.2. E JE M P L O 5
Sean
-[-0
generar (o escribir) como una combinación lineal de pesos Ai y *2 tales que X
l#l + A2*> =
a¡ y
b
Determine sí
b se
puede
Es decir, determine si existen (1)
Si la ecuación vectorial (1) tiene solución, encuéntrela. SOLUCIÓN Aplique las definiciones de multiplicación escalar y suma vectorial para rescri bir la ecuación vectorial A’l
t
■1
t
»3
t
b
http://www.fullengineeringbook.net 50 of 461.
13
Ecuaciones vectoriales 33
que es lo mismo que
y * i +2*2 i - 2 * i + 5*2 - 5 * |+
( 2)
6*2J
Los vectores en los miembros Izquierdo y derecho de (2) son iguales si y solo si sus entradas correspondientes son iguales. Es decir. *i y *2 hacen válida la ecuación vectorial (1) si y solo si *1 y *2 satisfacen el sistema *1 + 2*2= 7
-i-
-2 * ,
-5 * i +
5*2=
4
(3)
6*2 = - 3
Para resolver este sistema, se reduce por filas la matriz aumentada del sistema como sigue:3
1 -2 -5
2 5
6
-- r01 -3 j L° 71 4
2
~-n0 1 32 J L o 16
16
7
2
71 9 18
2 32
"
1 0 0
0 1 0
3' 2
0
La solución de (3) es *1 = 3 y *2 = 2. Así que li es una combinación lineal de a¡ y « . con pesos *i = 3 y *2 = 2. Es decir.
Observe en el ejemplo 5 que los vectores originales a¡. % y b son las columnas de la matriz aumentada reducida por filas: I -2 -5
2 7 4 5 6 -3
t t 1 S] b •l Por brevedad, se escribe esta matriz en una forma que identifique sus columnas, a saber. (»i % b]
(4)
De la ecuación vectorial (1) es claro cómo escribir esta matriz aumentada, sin realizar los pasos intermedios del ejemplo 5. Tome los vectores en el orden en que aparecen en (1) y colóquelos en las columnas de una matriz como en (4). Él análisis anterior puede modificarse fácilmente para establecer el siguiente hecho fun damental. Una ecuación vectorial *i«i + * 2» + ••• + * ,* , = b tiene el mismo conjunto solución que el sistema lineal cuya matriz aumentada es (ai
a
a.
b]
(5)
En particular, b se puede generar por una combinación lineal de a ¡..... a si y solo si existe una solución al sistema lineal correspondiente a la matriz (5).
5El símbolo ~ enrre marices d«ion equivalencia de filas (¡seoridn 1,2).
http://www.fullengineeringbook.net 51 of 461.
34 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal Una de las ideas fundamentales en álgebra lineal es el estudio del conjunto de todos los vectores que se pueden generar o escribir como una combinación lineal de un conjunto fijo {v,......v,} de vectores.
DEFINICIÓN
Si v ,......yp están en R*. entonces el conjunto de todas las combinaciones lineales de v i..... yp se denota como Gen ............vp} y se llama el Mbeon^anÉo d e R" externfido o generado par vi..yp. Es decir. G en { n ....... v,} es el conjunto de todos los vectores que se pueden escribir en la forma q v , + (5V2 + — + cpyp con escalares C|......cF
Preguntar si un vector b está en Gen {v,......vp} equivale a preguntar si la ecuación vectorial *,v, + .y*** + ••• + xpyp = b tiene una solución o. de manera equivalente, si el sistema lineal con la matriz aumentada [vi ••• yp b] tiene una solucióa Observe que G en {vi..... vr } contiene a cada múltiplo escalar de V| (por ejemplo). ya que cvi = cvi + Ov? + ••• + Ov^ En particular, el vector cero debe estar en Gen ÍV|......v,}.
Descripción geom étrica de G en {v} y de Gen {u, v} Sea v un vector diferente de cero en R3. Entonces Gen {v} es el conjunto de todos los múl tiplos escalares de v. que es el conjunto de puntos sobre la recta en R3 que pasa por v y O Véase la figura 10. Si u y v son vectores diferentes de cero en R3. y v no es un múltiplo de ■. entonces Gen {■. v) es el plano en R3 que contiene a u. v y Q En particular. Gen {■. v} contiene la recta en R3 que pasa por ■ y O. y la recta que pasa por v y O Véase la figura 11.
FIGURA U Gen ( a v) como un plano que pasa por el origen
E JE M P L O 6
Sean a,
es un plano que pasa por el origen en R3. ¿Está b en ese plano?
http://www.fullengineeringbook.net 52 of 461.
Entonces Gen
13 SOLUCIÓN ¿Tiene solución la ecuación por filas la matriz aumentada (at a b]: 1 5 0 -3 0 -1 8
=
Ecuaciones vectoriales 35
b? Para
responder a esto, reduzca
5 -3 ' n -3 2 0 2 r 0 ío j 2 Lo
-3"1
La tercera ecuación es 0 = - 2. la cual muestra que el sistema no tiene solución. La ecuación vectorial jn * + x&¿ = b no tiene solución, de manera que b no está en Gen {a. a}. ■
C om binaciones lineales en aplicaciones El ejemplo final muestra cómo surgen múltiplos escalares y combinaciones lineales cuando una cantidad, como el 'c o sto ', se descompone en varias categorías. El principio básico en este ejemplo concierne al costo de fabricar varias unidades de un producto cuando se conoce el costo por unidad: í número 1 í costo 1 _ (costol jdeunidadesf ’ jporunidadj - | total)
EJEMPLO 7 Una empresa fabrica dos productos. Para obtener SI.00 del producto B. la empresa gasta S0.45 en materiales. S0.25 en mano de obra y SO. 15 por concepto de costos indirectos. Para obtener $1.00 del producto C. la empresa gasta $0.40 en materiales. $0.30 en mano de obra y $0.15 en costos indirectas. Sean
Entonces b y «representan los 'costos por dólar de ingreso" para los dos productos. a) ¿Qué interpretación económica puede darse al vector 100b? b) Suponga que la empresa desea fabricar x\ dólares del producto B y x2 dólares del produc to C. Dé un vector que describa los diversos costos que tendrá que enfrentar la empresa (por materiales, mano de obra y gastos indirectos). SOLUCIÓN a)
Calcule
El vector 100b lista los diversos costos para producir $100 del producto B. a saber. $45 por materiales. $25 por mano de obra y $15 por gastos indirectos. b)
Los costos de fabricación de x j dólares del producto B están dados por el vector j ^ b y los costos para manufacturar x2 dólares del producto C están dados por jr2c Asi que los cos tos totales para ambos productos están dados por el vector jn b + xjc. ■
PROBLEMAS DE PRÁCTICA 1. Demuestre que u + v = v + ■ para cualesquiera a y v en Jt°. 2. Obtenga el valor o los valores de h para que y esté en Gen {v ,.
http://www.fullengineeringbook.net 53 of 461.
v3} si
36 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal
1 .3 EJER C IC IO S* En los ejercicios 1 y 2. calcule a + ▼y ■ - 2v.
i
. — [-;] .» -[ :? ]
*
En los ejercicios 13 y 14. determine si bes una combinación lineal de los vectores formados a partir de las columnas de la matriz A
■ -[» ]■ -[-? ]
En los ejercicios 3 y 4. muestre los siguientes vectores utilizando flechas en una gráfica xy: u. v. —2 t u + ▼. ■ - ▼y ■ - 2y. Observe que u - ▼es el vértice de un paralelogramo cuyos otros vértices son & Oy —t
' ía
A=
14 A =
1 -4 2] 0 3 5 -2 8 - 4J 1 -2 0
0 5] 1 -6 2 »J
3. uyTComoenel ejercicio 1 4 a y Tcomo en el ejercicio 2 En los ejercicios 5 y 6. escriba un sistema de ecuaciones que sea equivalente a la ecuación vectorial dada r i
a
*1
¿Con qué
valor (o valores) de Ase encuentra bonel plano generado por a¡ y*?
31
- 2 + J L L 8 -1
* lf t Sean
+ * ,[
*|
yb
i& Sean ai =
[-;]
Utilice la figura adjunta para escribir cada vector listado en los ejercicios 7 y 8 como una combinación lineal de o y v. ¿Cada vec tor en H2es una combinación lineal de a y V?
y
7
J ^ 7 1 / !
-
En los ejercicios 17 y 18. liste cinco vectores en Gen { y?}. Para cada vector, muestre los pesos sobre »i y ^ empleados para generar d vector e Indique las tres entradas de este. No realice bosquejos.
U [11 1 L>J
17. v, 2V
i&
!• ■*
,,=[j],V!=[ j]yy=[:’]¿Paraqué
valor (o valores) de Ase encuentra y en el plano generado por *1 y
I
-UMt •"[iHJ.
lft Dé una descripción geométrica de Gen {*i, **} para los vec
2v
lores
26 Realice una descripción geométrica de Gen {*|. vectores del ejercicio 18.
7. VíctoresI b c y d
para los
& Víctores w. x y y i En los ejercicios 9 y 10. escriba una ecuación vectorial que sea equi valente al sistema de ecuaciones dado. a
x2 + 5xj = 0 4*1 + 6jc2 - Xj = 0
IflL
- x i + 3x2 - 8.tj = 0
3X| —2x2 + 4x} = 3 -2 x i —7xi + 5xj = I 5xi + 4xj - 3x> = 2
En los ejercicios 11 y 12. determine si b e s una combinación lineal d ea ,.% y % .
zr II
¿O .
____ 1
------ 1
11 <0
0 — 1 __
1
—
U íL-*'lJ ¿■[i] [1]I-I['!]
21. Sean u = £ _ ^ j y v = ^ j . Demuestre que ^ j esta en Gen {■.
para todas las Ay A.
• 22 Construya una matriz A de 3 x 3. con entradas diferentes de cero, y un vector b en R3 tal que b no esté en el conjunto gene rado por las columnas de A. En los ejercicios 23 y 24. marque cada enunciado como falso o ver (federo. Justifique sus respuestas. 23 a) Otra notación para el vector
[1 ]-
4 3].
A) lo s puntos en el plano que corresponden a
12. a ,
B¡ II
L 8J
[ 1]
2 j están sobre una recta que pasa por el orige c) Un ejemplo de combinación lineal de los vectores t ¡ y v.. es el vector
http://www.fullengineeringbook.net 54 of 461.
13 (11 H conjunto solución del sistema lineal cuya matriz aumere inda es [a a.' a bj coincide con el conjunto solución de la ecuación xiai + J2*? + xs% = b e) □ conjunto Gen {a v} siempre se visualiza como un plano que pasa por el origen. 2 4 a) Cuando n y ▼son vectores diferentes de oero. Gen {o. v) solo contiene la recta que pasa por u y por el origen, y la recta que pasa por v y el origen b) Cualquier lista de cinco números reales es un vector en R*. c) Preguntar st el sistema lineal correspondiente a la matriz aumentada [a, a % b¡ tiene solución equivale a preguntar á el vector bestá en Gen {a¡. %. as}. d\ H vector v resulta cuando un vector ■ - v se suma al vec tor V. e) No todos los pesos c,..... cp en una combinación lineal r,v, + ••• + cpvp pueden ser cero.
[
1 0
-2
0 -4 3 -2 6
Yb
3
-[J]
Denote las co-
ri Demuestre que a está en W. [Sugerencia: Las operaciones d» fila son innecesarias). 0 6" P °1 r 2 2 a Sean A = -1 8 5 b= 3 ysea Wel conjunto 2 l L L * de todas las combinaciones lineales de las columnas de A. a) ¿Estáben Wf
27. Una compañía minera posee dos minas. En un día. la mina 41
produce mineral que contiene 30 toneladas métricas de cobre y 600 kilogramos de plata mientras que. también en un día, la mina #2 produce mineral que contiene 40 toneladas métri
^
Suponga que la producción de la planta de vapor está des crita por un vector que lista las cantidades de calor, dióxido de sulfuro y contaminantes sólidos. Exprese esta produc ción como una combinación lineal de dos vectores, supo nlendo que la planta quema xi toneladas de A y x2 tonela das de B. c) |M] Durante cierto tiempo, la planta de vapor produjo 162 millones de Btu de calor. 23.610 g de dióxido de sulfuro y 1623 g de contaminantes sólidos. Determine cuántas tonela das de cada tipo debe haber quemado la planta. Como parte de la solución. Incluya una ecuación vectorial. 29l Sean vi ,..., v* puntos en RJ y suponga que para j = I..... k un
objeto con masa n) está localizado en el punto v; . Los físicos llaman masas puntuales a eses objetas. La masa total del sis tema de masas puntuales es + /rij
y = -(ffiivi + ••• + /«*¥*) m Calcule el centro de gravedad del sistema que consiste en las siguientes masas puntuales (véase la figura):
P into v, - (2. -2 . 4)
b) Demuestre que la segunda columna de A está en W.
»a -
¿Cuánto calor produce la planta cuando quema xi toneladas de A y x2 toneladas de B?
El centro de gravedad (o centro de masa) del sistema es
a) ¿Está b en {ai. a,;, as}? ¿Cuántos vectores hay en {a. *tt. *}? b) ¿Está ben W?¿Cuántos vectores hay en W?
cas de cobre y 380 kilogramos de plata. Sean vi =
planta produce 30.2 millones de Btu. 6400 g de dióxido de sul furo. y 360 g de contaminantes sólidos (partículas).
m = m\ +
lumnas de A por a¡. %. % y sea W - Gen {a(. a?, as}.
Ecuaciones vectoriales 3 7
M asa
v, - (-4 . 2. 3)
2g
Tj = (4. 0. -2 )
3g
v, = (1. - 6 0)
5g
j y
j. Asi. v, y v2 representan la 'producción diaria'
de la mina 41 y la mina #2. respectivamente. a) ¿Qué interpretación física puede darse al vector 5vi? b) Suponga que la compañía opera la mina #1 durante x, días y la mina #2 porx2 días. Escriba una ecuación vectorial cuya solución dé el número de días que cada mina deberla operar para producir 240 toneladas de cobre y 2824 kilogramos de plata No resuelva la ecuación. c) M | Resuelva la ecuación en b). 2& Una planta eléctrica de vapor quema dos tipos de carbón: are
tracita (A) y bituminoso (B). Por cada tonelada de A que se quema la planta produoe 27.6 millones de Btu de calor. 3100 gramos (g) de dióxido de sulfuro, y 250 g de contaminantes sólidos (partículas). Por cada tonelada de B que se quema, la
30l Sea v el centro de masa de un sLstema de masas puntuales
localizadas en vi.....v* como en el ejercido 29. ¿Está v en Gen {v¡. ... Vi}? Explique su respuesta.
http://www.fullengineeringbook.net 55 of 461.
38 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal 31. Una delgada placa triangular de densidad y grosor uniformes tiene vértices en *i = (0. 1). v> = (8. 1) y * j = (2. 4). como en la figura que aparece a continuación: la masa de la placa es *3g.
4
¿Es única la solución? Utilice la figura para explicar sus respuestas.
Haca metálica
VH--- 1--- 1--- 1--- 1--- 1--- 1--- 1--- X. 8
¿6 Encuentre las coordenadas Ir. }) del centro de masa de la placa. Este ‘ punto de equilibrio’ de la {daca coincide con el centro de masa de un sistema que consta de tres masas puntuales de 1 g colocadas en los vértices de la placa. tí Determine cómo distribuir una masa adicional de 6 g en los tres vértices de la placa para asi mover su punto de equilibrio a (2. 2). f S e a n W|, w2y h-3las masas agregadas a los tres vértices, de manera que *vi + w* + h’S = 0|. SSL Considere los vectores v¡. v* y k en R2. que se muestran en la figura. ¿Tiene solución la ecuación xj* i + x2v2 + *3Tj = I»?
33 Con los vectores u = (ui.....<^.v = (*i...... «VÍyw- (h»i ......wj. verifique las siguientes propiedades algebraicas de R°. tí (u v) + w = ■ + (v + w? t í c(a + *) = cu + c w para cada escalar c 34 Utilice el vector u = (t^..... u j para verificar las siguientes prpiedades algebraicas de R". tí ■ + (-u ) = ( - ■ ) + n = O tí c{dú) = (cd)u para todas los escalares c y d
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA L
Tome los vectores arbitrarios • = (u\......y v = ( ............. v,) en R*. y calcule u + v = (U| + U|........ u„ + u„) =
(vi + u 1........ iv, + u „ )
= v+ u 2.
Definición di- suma vectorial Conm utatlvidad de la a d lcl'in en R
Definición de suma vectorial
El vector y pertenece a G en {vi.
v¡) si y solo si existen escalares xi, x 2, X3 tales que
X,[:Í]+"[:Í]+XÍ[ ¿Hl]
Cen {v¡, vt. ¥ 3}
Esta ecuación vectorial es equivalente a un sistema de tres ecuaciones lineales con fres Incógnitas. SI la matriz aumentada de este sistema se reduce por filas, se encuentra que Ixk puntas
están sobre
•] b reda que se Interseca con el plano cuando h = 5.
5 -3 - 4 r « -4 1 0 3 -7 0
Lo
5 -3 1 -2 3 -6
- 4 “I n - 1 I -- 0 A
—8J
Lo
5 -3 1 -2 0 0
-4 -1 h-5
Este sistema es consistente si y solo si no existe pivote en la cuarta columna. Es decir, h - 5 debe ser 0. Asi, y está en Gen {▼). v2. rt} si y solo si h = 5. Recuerde: l^a presencia de una variable libre en un sistema no garantiza que este sea consistente.
1.4
ECUACIÓN MATRICIAL Ax = b Una idea fundamental en álgebra lineal consiste en ver una combinación lineal de vectores como el producto de una matriz y un vector. La siguiente definición permite rcformular algu nas de los conceptos de la sección 1.3 desde nuevos puntos de vista
http://www.fullengineeringbook.net 56 of 461.
1.4
DEFINICIÓN
Ecuación m atricial A x - b
39
Si A es una matriz de m x n. con columnas a i......a., y si x está en IR*, entonces el prodacÉo Je A y x denotado como A x es la c tm bin a riá n Umal ¿e lat fnhgnn» i t X\ /lx = [a ,
%
= x,a, + x2% + ••• + x ^ ,
•n] Xn
Observe que A x está definido solamente si el número de columnas de A es igual al número de entradas en x E JE M P L O 1 a)
E JE M PLO 2 Para n . * 2. V3 en R", escriba la combinación lineal 3*i - 5v 2 + 7v 3 como una matriz por un vector. SOLUCIÓN Coloque Vi. V2, *3 en las columnas de una matriz A y coloque los pesos 3, - 5 y 7 en un vector x Es decir. 3vi - 5 v 2 + 7v 3 = [ v ,
v2
= Ax
La sección 1.3 mostró cómo escribir un sistema de ecuaciones lineales como una ecua ción vectorial que implica una combinación lineal de vectores. Por ejemplo, el sistema * i + 2 x2 -
*3 = 4
(1)
-5 x 2 4- 3xj = I
es equivalente a ( 2)
Como en el ejemplo 2. la combinación lineal en el lado izquierdo es una matriz por un vector, de manera que (2) se convierte en
[
2 -5
(3)
La ecuación (3) tiene la forma .4* b Tal ecuación se llama eruarión matriáal para distinguirla de una ecuación vectorial como la que se muestra en (2). Observe cómo la matriz en (3) es justamente la matriz de coeficientes del sistema (1). Cálculos similares indican que cualquier sistema de ecuaciones lineales, o cualquier ecua ción vectorial como (2). se puede escribir como una ecuación matricial equivalente en la for ma A x = b. Esta sencilla observación se utilizará de manera recurrente a lo largo del texto. A continuación se presenta el resultado formal.
http://www.fullengineeringbook.net 57 of 461.
40 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
TEOREMA 3
Si A es una matriz de m x n. con columnas a i..... a» y si mat ricial Ax =
b está en
IR19, la ecuación
b
(4)
tiene el mismo conjunto solución que la ecuación vectorial
*iaj + x a ¡ +
+xa,=b
(5)
la cual, a la vez. tiene el mismo conjunto solución que el sistema de ecuaciones lineales cuya matriz aumentada es
(a, a
••• a, b]
(8)
F3 teorema 3 constituye una poderosa herramienta para comprender problemas de ál gebra lineal, porque ahora un sistema de ecuaciones lineales puede verse en tres formas dife rentes. pero equivalentes: como una ecuación matricial, como una ecuación vectorial o como un sistema de ecuaciones lineales. Siempre que usted construya un modelo matemático de un problema de la vida real, tendrá libertad para elegir qué punto de vista es más natural. Además, será posible pasar de una formulación del problema a otra, según sea convenien te. En cualquier caso, la ecuación matricial (4). la ecuación vectorial (5) y el sistem a de ecuaciones se resuelven de la misma manera: por reducción de filas de la matriz aumen tada (6). Más adelante se analizarán otros métodos de solución.
Existencia de soluciones l-a definición de A x conduce directamente al siguiente hecho que resulta útil. La ecuación A x = columnas de A.
b tiene una solución si y solo si b es una combinación lineal de las
En la sección 1.3 se consideró la pregunta de existencia: ‘¿Está b e n Gen {ai......*,,}?'. De manera equivalente: *¿Es consistente A x = b?". Un problema de existencia más difícil consiste en determinar si la ecuación A x = b es consistente para toda b posible.
E JE M P L O 3
¿La ecuación A x =
Sean A
b es con
sistente para todas las posibles Ai, bz, As? SOLUCIÓN Se reduce por filas la matriz aumentada para A x = [ 1 3 4 -4 2 -6 [ - 3 -2 -7
M r* bz ~ 0 A ,J Lo ~
P
0
Lo
b:
3 14 7
4 10 5
A, 1 bz + 4A| A, + 3A, J
3 14 0
4 10 0
A, Ai + 4A| A3 -f3A , — ¿(Ai
La tercera entrada en la columna 4 es igual a b\ - \b¿ + b¡. La ecuación A x = b no es consistente para toda b porque algunas asignaciones de b pueden hacer que A, - \b¿ + A} sea diferente de cero. ■
http://www.fullengineeringbook.net 58 of 461.
1.4
Ecuación m atricial A x - b
La matriz reducida del ejemplo 3 da una descripción de todas las ecuación A x = b es consistente: las entradas en b deben satisfacer
b para
41
las cuales la
b\ ~ \ b i + ¿>3 = 0
FIGURA 1 l-as columnas de A = {ai. *>. a>} generan un plano a través de O
TEOREMA
Esta es la ecuación de un plano que pasa por el origen en R3. El plano es el conjunto de todas las combinaciones lineales de las tres columnas de A. Véase la figura 1. La ecuación A x = b del ejemplo 3 no es consistente para todas las b porque la for ma escalonada de A tiene una fila de ceros. Si A tuviera un pivote en las tres filas, no habría que preocuparse por los cálculos en la columna aumentada, ya que. en este caso, una forma escalonada de la matriz aumentada no tendría una fila com o [0 0 0 1J. En el siguiente teorema, la frase “las columnas de A generan a R"r significa que cada b en Rwes una combinación lineal de las columnas de A. En general, un conjunto de vecto res {vi......▼,,} en R" g ro a a Rwsi cada vector en R*1es una combinación lineal de ▼!...... es decir, si Gen {vi....vr} = Rm .
Sea A una matriz d e / n x a Entonces, los siguientes enunciados son lógicamente equi valentes. Es decir, para una A particular, todos los enunciados son verdaderos o todos son falsos. di Para cada
b en R"
la ecuación A x =
b tiene una solución.
tij Cada b en R mes una combinación lineal de las columnas de A. di Las columnas de A generan R®. di A tiene una posición pivote en cada fila.
El teorema 4 es uno de los teoremas más útiles en este capitulo. Los enunciados a). b) y r) son equivalentes a causa de la definición de A x y lo que significa para un conjunto de vectores generar R“ . El análisis posterior al ejemplo 3 revela por qué a) y di son equi valentes: al final de la sección se presenta una prueba de ello. Los ejercicios aportan ejemplos de cómo emplear el teorema 4. Advertencia: El teorema 4 se refiere a una matriz de coeficientes, no a una matriz aum entada Si una matriz aumentada \A bj tiene una posición pivote en cada fila, entonces la ecuación = b puede o no ser consistente.
Cálculo de A x I x s cálculos en el ejemplo I se apoyaron en la definición del producto de una matriz A y un vector x El siguiente ejemplo sencillo conducirá a un método más eficiente para calcular las entradas en A x cuando los problemas se resuelvan a mano.
E JE M P L O 4
Calcule Ax. donde A =
3 5
-2
http://www.fullengineeringbook.net 59 of 461.
42
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal SOLUCIÓN A partir de la definición.
( 7)
La primera entrada en el producto A xes una suma de productos (algunas veces se llama pro ducto pumo), empleando la primera fila de A y las entradas en x Es decir.
[‘ ‘ 1 H ™ ] Esta matriz muestra cómo calcular de forma directa la primera entrada en Ax sin escribir todos los cálculos indicados en (7). De manera similar, la segunda entrada en A x puede calcu larse multiplicando las entradas en la segunda fila de A por las entradas correspondientes en x y después sumando los productos resultantes:
5
De manera semejante, la tercera entrada en A x puede determinarse con la tercera fila de A y las entradas en x ■ Regla illa-vector p ara calcular Ax Si el producto Ax está definido, entonces la /-ésima entrada en A x es la suma de los productos de las entradas correspondientes de la fila /d e A y del vector x
EJEMPLO 5
ftw definición, la matriz del ejemplo 5c) con números 1 en la diagonal y ceros en las demás posiciones se llama m atriz identidad y se denota con I. Los cálculos en el inciso c) Indican que fx = x para toda x en R3. Existe una análoga matriz identidad de n x n, algu nas veces denotada como Al Igual que en ó . /** = * para toda x en R".
http://www.fullengineeringbook.net 60 of 461.
1.4
Ecuación m atricial Ax - b
43
Propiedades del producto m atriz-vector A x Es Importarte el contenido del próximo teorema y se utilizará a lo largo del libro. La demos tración se apoya en la definición de A x y en las propiedades algebraicas de R". TEOREMA 5
Si A es una matriz de m x n. « y v so n vectores en R". y c e s un escalar, entonces: a) /!(■ + v) = /i» + Av.
A) ¿(na) = c(¿«). DEMOSTRACIÓN En aras de la sencillez, se toma n = 3. A = [ai % « 3], y » , v e n R3. (La demostración para el caso general es similar). Para / = 1. 2. 3. sean u, y v¡ las /'-¿simas entradas en ■ y v. respectivamente. Para probar el enunciado a), calcule A (u + v) como una combinación lineal de las columnas de A empleando como pesos las entradas en ■ + v. mi
+ v il
[w2 + *>2
W3 + l>3j
1
i 1--------------Entradas en n + v t i * = ( m , + r 1>a 1 + (u 2 + t»2>®2 + (Ms + v.óa.i
A
A
A
I------------------1-------------------1-------Columnas de A = (M,a, + u 2a 2 + u 3a 3) + (v ,a, + f 2a 2 + u3a 3) = /tu + A \ Para demostrar el enunciado A), calcule ¿ ( r a j como una combinación lineal de las columnas de A utilizando como pesos las entradas en cm. ¿ (c u ) = ( a ,
a 2 ®3
= (c u i)a i + ( r u 2)a2 + (cu 3)a3
= c(u,a,) + c (M 2a2) + c(u3a3) = c ( u iai + M2a 2 -f u 3a 3) = c(A u)
■
----- NOTA NUM ÉRICA ----------------------------------------------------------------------------------------Con la finalidad de optimizar un algoritmo computacional para calcular Ax. la se cuencia de operaciones implicaría datos almacenados en ubicaciones adyacentes de memoria 1-os algoritmos profesionales más ampliamente utilizados para cálculos matridales están escritos en Fortran, un lenguaje que almacena una matriz como un con junto de columnas. Tales algoritmos calculan .4* como una combinación lineal de las columnas de A. En contraste, si un programa está escrito en el conocido lenguaje C. d cual almacena matrices por filas, entonces ¿« d eb ería calcularse mediante la regla alternativa que usa las filas de A.
DEMOSTRACIÓN DEL TEOREMA 4 Como se indicó después del teorema 4. los enuncia dos a), A) y ó son lógicamente equivalentes. De manera que es suficiente demostrar (para una matriz arbitraria A) que a) y d) son ambos verdaderos o ambos falsos. Eso vinculará a los cuatro enunciados. Sea ¿/una forma escalonada de A. Dada b en R'”. la matriz aumentada [A b] se puede reducir por filas a una matriz aumentada [U 4] para alguna é en R". [A
b ----------[U 41
http://www.fullengineeringbook.net 61 of 461.
44 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal Si el enunciado d) es verdadero, entonces cada fila de U contiene una posición pivote y tal vez no exista un pivote en la columna aumentada. De manera que >4* = b tiene una solución para cualquier b. y a) es verdad. Si d) es falso, la última fila de ¿/solo tiene ceros. Sea 4 cualquier vector con un 1 en su última entrada. En tal caso, \U 4] representa un sistema inconsistente. Como las operaciones de fila son reversibles, \U 4] se puede transformar a la forma \A b]. El nuevo sistema Ax = b también es inconsistente, y a) es falso. ■
PROBLEMAS DE PRÁCTICA 1 5 -2 0 ]1 Sean A = -3 1 9 - 5 u, p= = [ 4 - 8 - 1 7 JJ f
L
3" -2 . y b = 0 -4
r_7i l\ 9
Es posible demostrar
L
que p es una solución de A x = b Con base en este hecho, presente a binación lineal específica de las columnas de A. Sean A = ^
^ ]’U= [ - ^ ] ^ V = [
b como una com
s ] ' ^'om PniC^e e* teorema 5a) en 6516
caso mediante el cálculo de /!(■ + v) y Am + Av.
1 . 4 EJER C IC IO S* En los ejercicios 1 a 4 calcule los productos utilizando: á) la definí ción. como en el ejemplo 1, y la regla fila-vector para calcular Ax SI un producto está Indefinido, explique por qué.
5X| +
X2 - 3x> = 8 2*1 + 4xj = 0
Itt
4X| - X2 = 8 5xi + 3xi = 2 3xi - x2 = 1
Considerando A y ben los ejercicios 11 y 12. escriba la matriz au mentada para el sLstema lineal que corresponde a la ecuación matridal Ax - b Después, resuelva el sistema y escriba la solución como m vector: i i. A = En los ejercicios 5 a 8, aplique la definición de Ax para escribir la ecuación marrtclal como una ecuación vectorial, o viceversa. -3 1
Sl
-
" 21
1 2 -« ] -3 -4 2 -b= 2 5
A
L>2j4 r 21 ] L“ 3 J
'0 ' r 3 • i a Sean u = 4 y A = - 2 _ 56 1 . ¿Está u en el plano 4 • en R3 generado por las columnas de >4? (Véase la figura). ¿Porqué?
L ■J
21‘
1
6.
12. A =
" 1 3 1 5 -3 - 7
-4 9
II
i-' t
1
____ l
7. x i
1 1 1 i* K>
•
& z.
-5 3 + Xj -5 + Xj 1
1]
l-----'O ao l___
4 -1
7 -8
Piano generado por las columnas de A
0
0 2
-7
+ íj [^ ]+ & |
:H¿]
En los ejercidos 9 y 10. primero escriba el sistema como una ecua dón vectorial y después como una ecuación matriclal.
5 1
14
¿Está u en el sub
2
conjunto de R3 generado por las columnas de A? ¿Por qué?
http://www.fullengineeringbook.net 62 of 461.
1.4
1S Sean A
3 -1 -9 3
■[
. Demuestre que la ecua
4 1 2 9
1 2* 3 -4 6 7 5 “7 . 17. ¿Cuántas filas de A contienen una posición pivote? ¿I-a ecua ción Ax = btiene solución para cada ben R4?
45
di Cualquier combinación lineal de vectores siempre se pue de escribir en la forma Ax para una matriz A y un vector z adecuados. di Si la matriz coeficiente A tiene una posición pivote en cada fila, entonces la ecuación Ax - bes inconsistente. e) □ conjunto solución de un sistema lineal cuya matriz au mentada es I* % a b] coincide con el conjunto so lución de Ax ■ b. si A » jai * «].
Los ejercicios 17 a 20 se refieren a las matrices A y B que se presen tan a continuación. Realice las cálculos pertinentes para Justificar sus respuestas y mencione un teorema adecuado. '1 0 B= 0 2
b
ó) Si la ecuación Ax = b es consistente, entonces bestá en el conjunto generado por las columnas de A.
Repita el ejercicio 15 considerando
■ 1 3 0 3* -1 -1 - 1 1 0 -4 2 -8 2 0 3 -1
-
* 2 1 a) Cada ecuación matricia! -4* - b corresponde a una ecua ción vectorial con el mismo conjunto solución.
ción -Ax = lino tiene solución para todas las posibles b. y des criba el conjunto de todas las b para las cuales Ax - b sí tiene solución. ia
Ecuación m atricial A x
f) Si A es una matriz de m x n cuyas columnas no generan a R”. entonces la ecuación Az = bes consistente para toda b en R“. 2Sl Ohserve que
[iiiP ÍH
. Con base en
3
este hecho (sin realizar operaciones de fila), encuentre escalares
1& ¿Cada vector en R4se puede escribir como una combinación lineal de las columnas de la matriz flanterior? ¿Las columnas de flgeneran a R3? lf t ¿Todo vector en R4se puede escribir como una combinación lineal de las columnas de la matriz A anterior? ¿Las columnas de A generan a R4?
28. Sean u
8Q ¿Las columnas de B generan a R4? ¿La ecuación Bx = y tiene solución para cada y en R4? ■
r
0 . Vj m -1 0
a . Sean V| =
'
0' -1 0 . 1.
' =
r 0 0 -1
r
r
oí r °i 0 • *1 = "3 • »J = - 2 .¿{*1.1*. Vi) L “3 L 9J L- 6 J #nera a R3? ¿Por qué?
22 Sean v, =
trar que 2n - 3t - w = O Apóyese en este hecho (sin rea lizar operaciones de fila) para obtener x¡ y que satisfagan la ecuación P2 L5
¿{*i.
ñera a R4? ¿Por qué?
J
Es posible demos
3I 3
27. Rescriba la siguiente ecuación matricial (numérica) en forma simbólica como una ecuación vectorial, utilizando los símbolos ▼i. y?.... para los vectores y ó. cj,... para los escalares. Defina qjé representa cada símbolo, utilizando los datos presentados m la ecuación matrlclal. -3 '
En los ejercicios 23 y 24. marque cada enunciado como verdadero o falso. Justifique sus respuestas. 2 3 a) La ecuación Ax = b se reconoce como una ecuación v e lorio!. b) Un vector b es una combinación lineal de las columnas
2
28.
Considere que q q?, q y v son vectores en Rs, mientras que xj. x¡ yx3 denotan escalares. Escriba la siguiente ecuación vec torial como una ecuación matricial. Identifique cualquier sím bolo que utilice. -riq¡ + + xiqs = *
* 28. Construya una matriz de 3 x 3. no en forma escalonada, cuyas
columnas generen a R3. Demuestre que la matriz que construyó tiene la propiedad deseada.
* SOi Construya una matriz de 3 x 3. no en forma escalonada, cuyas columnas no generen a R3. Demuestre que la matriz que cons truyó tiene la característica deseada.
*31.
Sea A una matriz de 3x2. Explique por qué la ecuación Az** b no puede ser consistente para toda b en OÍ3. Generalice su argu mentó al caso de una Aarbitraria con más filas que columnas.
http://www.fullengineeringbook.net 63 of 461.
46 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal * 32. ¿Un conjunto de tres vectores en R4 podría generar a R4? Explique su respuesta ¿Y qué hay respecto de n vectores en R^cuando nes menor que nP * 33. Suponga que A es una matriz de 4 x 3. y b e s un vector en R4 con la propiedad de que Ax = b tiene una solución única. ¿Qué podría decir sobre la forma escalonada reducida de A l Justifique su respuesta.
37.
' 7 -5 6 -1
2 -5 4 -3 10 - 2 9 2
8' -9 7 15.
-7 4 II -1
II - 6 - 7 6 -3 -4 5 6 -9 4 -7 2
■ta
, 4 - 6 -1 0 -5 -1 10 12
'4 -5 3 -7 5 -6 9 1
-1 -4 -1 10
8 2 4 7
36
* 34. Considere que >les una matriz de 3 x 4, v, y v2son vectores en R3. y que w = v, + v?. Suponga que v, = An, y v? = Ao? para algunos vectores u ; y en R4. ¿Qué hecho permite concluir que el sistema Ax = w es consistente? (Nota: u, y u.. denotan vectores, y no entradas escalares de vectores).
‘ 10 -8 -7 3
46
* 35. Sean A una matriz de 5 x 3. y un vector en R3. y s un vector en R5. S ú p o la que Ay = x. ¿Qué hecho permite concluir que d sistema Ax » 5«es consistente?
‘ 5 -7 II -3
41. [M| Encuentre una columna de la matriz del ejercicio 39 que
* 38. Suponga que A es una matriz de 4 x 4 y b un vector en R4 tal que Ax - b tiene una solución única. Explique por qué las co lumnas de A deben generar a R4. [M] En los ejercicios 37 a 40. determine ri las columnas de la matriz eneran a R4.
r -8 12 12' -9 -3 7
se pueda eliminar y. aun así. las restantes columnas de la ma triz sigan generando a R4.
* 42 [M| Encuentre una columna de la matriz del ejercicio 40 que se pueda eliminar y. aun así. las restantes columnas sigan ge nerando a R4. ¿Se puede eliminar más de una columna?
WEB
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1.
La ecuación matricial
es equivalente a la ecuación vectorial
+ 0
oo
i
r- 3'i r si i L 4J - 2 que expresa a
2.
r oí r - 7i r~2i 9 - 4 -* = L-*J
L
9
n
L °J
b como una combinación lineal de las columnas de
•♦•-UHlHl] «■♦->-[: MI-I’.*”]-!”] '][-']* [>
í] [ 1 ]
■[iM iH t] http://www.fullengineeringbook.net 64 of 461.
A.
1.5
1.5
Conjuntos solución de sistemas lineales 47
CONJUNTOS SOLUCIÓN DE SISTEMAS LINEALES I^os conjuntos solución de sistemas lineales son importantes objetos de estudio en álgebra lineal. Más adelante, se presentarán en diversos contextos. Esta sección utiliza notación vec torial para dar descripciones explícitas y geométricas de tales conjuntos solución.
S istem as lineales hom ogéneos S e dice que un sistema de ecuaciones lineales es h a a a o g ta » si se puede escribir en la forma A x = Q donde A es una matriz de m x n, y O es el vector cero en K®. Tal sistema A x = 0 siempre tiene al menos una solución, a saber, x = O (el vector cero en H"). Esta solución oero generalmente se conoce como « A r i t o trivial. Para una ecuación dada A x = 0 la pregunta Importante es si existe una aolodón no trivial es decir, un vector x diferente de cero que satisfaga A x = O El teorema de existencia y unicidad de la sección 1.2 (teorema 2) conduce de inmediato al siguiente resultado.
La ecuación homogénea A x = • tiene una solución no trivial si y solo si la ecuación tiene al menos una variable libre.
EJEMPLO 1 Determine si el siguiente sistema homogéneo tiene una solución no trivial. Luego, describa el conjunto solucióa 3 * i -I- 5 x i - 4*3 = ü
- 3 jtj — 2*2 + 4*3 = 0 6 *j -f
*2 - 8*3 = 0
SOLUCIÓN Sea A la matriz de coeficientes del sistema: la matriz aumentada [A duce por filas a una forma escalonada:
[ - 33 - 25
-4 4
01 [ 3 o U o
5 -4 0 ] 3 0 0 -
[3 0
0| se re
5 - 4 0*1 3 0 0
6 I -8 Oj [O - 9 0 Oj [o 0 0 Oj Como *3 es una variable libre, entonces A x = Otiene soluciones no triviales (una para cada asignación de *3). Para describir el conjunto solucióa continúe la reducción por filas de [-4 O] hasta su forma escalonada reducida: 1 0 0
0 1 0
4 “ 5
0 0
*1
0' 0 0
-
5*3 = 0 = 0
X l
0
= 0
FIGURA 1
=
5*3 0
. *3 .
= *3
--------- 1 0 Ulfc ______1
1
_*j_
r 4v 1
= * 3V.
_1_
donde v =
1--------•**'. 0 1______
x =
a * ______1
Al despejar las variables básicas *1 y *2 se obtiene *1 — 5* 3, *2 — 0. con *3 libre. Como un vector, la solución general ác A x = Otiene la forma
_ l_
Aquí se factorizó *3 de la expresión para la solución general vectorial. Esto muestra que cada solución de A x = Oes, en este caso, un múltiplo escalar de v. La solución se obtiene al consi derar *3 = 0. Geométricamente, el conjunto solución es una recta que pasa por Oen Jt3. Véase la figura 1 . ■
http://www.fullengineeringbook.net 65 of 461.
48 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal Observe que una solución no trivial x puede tener algunas entradas cero, siempre y cuan do no todas ellas sean cero.
EJEMPLO 2 Una sola ecuación lineal puede tratarse como un sencillo sistema de ecua ciones. Describa todas las soluciones del ‘sistema" homogéneo lQ ti - 31*2 - 2x 3 = 0
(1)
SOLUCIÓN No hay necesidad de una notación matritial. Despeje la variable básica Xj en términos de las variables libres. La solución general esx i = .3x2 + .2x3. con X2 y X3 libres. Como un vector, la solución general es
[«]■m
■[?]*[• + *3
t U
0 |
(conx2. x3 libres)
2
( )
1 v
Este cálculo indica que cada solución de (1) es una combinación lineal de los vectores n y v. que se muestran en (2). Es decir, el conjunto solución es Gen {■. ▼}. Puesto que ■ y v no son múltiplos entre si. el conjunto solución es un plano que pasa por el origen. Véase la ñgura 2 . ■ Los ejemplos 1 y 2. junto con los ejercicios, ilustran el hecho de que el conjunto so lución de una ecuación homogénea A x = ©siempre se puede expresar de manera explícita como Gen {vi......vp} para vectores adecuados ▼).......Si la única solución es el vector cero, entonces el conjuntosoludón es Gen {•;■. Si la ecuación A x = Osolo tiene una variable libre, el conjunto solución es una recta que pasa por el origen, como en la figura 1. Un plano que pasa por el origen, como en la figura 2 . d a una buena imagen mental para el conjunto solución de A x = O cuando existen dos o más variables libres. Observe, sin embargo, que se puede emplear una figura similar para visualizar Gen {■. v} aun cuando ■ y v no estén relacionados con soluciones de A x = O Véase la figura 11 de la sección 1.3.
Form a vectorial p aram étrica La ecuación original (1) para el plano del ejemplo 2 es una descripción im plícita del plano. Al resolver esta ecuación se obtiene una descripción explícita del plano como el conjunto generado por ■ y v. La ecuación (2) se llama ernatkn vectorial p a n m é tr ic a del plano. Algunas veces dicha ecuación se escribe como x = s n + tv
{s. ron R)
para poner de relieve que los parámetros varían sobre todos los números reales. En el ejemplo 1 . la ecuación x = x3v (oonx 3 libre), o x = tv (con / en R). es la ecuación vectorial paramé trica de una recta. Siempre que un conjunto solución se describa explícitamente con vectores como en los ejemplos 1 y 2 . se dirá que la solución está en forma vedaría! poraétrka
Soluciones de sistem as no hom ogéneos Cuando un sistema lineal no homogéneo tiene muchas soluciones, la solución general se puede escribir en forma vectorial paramétrica como un vector más una combinación lineal arbitraria de vectores que satisfagan el sistema homogéneo correspondiente.
http://www.fullengineeringbook.net 66 of 461.
1.5 E JE M P L O 3
Conjuntos solución de sistemas lineales 49
b. donde
Describa todas las soluciones de A x =
n -4J Lo
- 1
*-
i" '
0
0
1
4
x
3 5 -i 4 3 -2 6 1 -8
“ 3 " 'I 0 0
X2
oj
0
1 -i» £ II
SOLUCIÓN Aquí A es la matriz de coeficientes del ejemplo 1. Al efectuar operaciones de fila sobre [A bj se obtiene
0
= =
-1 2 0
Por lo tanto, xi = - 1 + 5X3. *2 = 2, xz = 2 y *3 es libre. Como un vector, la solución ge neral de A x = btien e la forma
x =
X| *2
- 1
=
+ 3X3 2 X3
=
-1 2 0
■4
*3 0 X3
'
3
+
=
■4-
-1 2 0
+ *3 0 1
t
t
P
3
»
x = p + xay . o. escribiendo /com o un parámetro general. x = p + / y (/en R) (3) describe el conjunto solución de A x = b en forma vectorial paramétrica. Recuerde del ejem La ecuación
p
/
/
4
• V* 9
plo 1 que el conjunto solución de A x = Otiene la ecuación vectorial paramétrica x = /y
FIGURA 3 La suma de pa v traslada va ▼ + p
(/en R)
(4)
[con la misma y que aparece en (3)]. Así. las soluciones de A x = b se obtienen sumando el vector p a las soluciones de A x = Oi El propio vector p es justam ente una solución particular de A x = b [correspondiente a / = 0 en (3)). ■ Para describir el conjunto solución de A x = b en forma geométrica, podemos pensar que la suma vectorial es una tra sla ció n . Dados y y p en R 2 o R3. el efecto de sumar p a v es m o ver a y en una dirección paralela a la recta que pasa por p y 0 Se dice que p traslada a v hacia v + p Véase la figura 3. Si cada punto sobre la recta L en R 2 o R 3 es trasladado por un vector p. el resultado es una recta paralela a L Véase la figura 4. Suponga que L es la recta que pasa por O y y . descrita mediante la ecuación (4). Sumar p a cada punto sobre L produce la recta trasladada que describe la ecuación (3). Observe que p está sobre la recta en la ecuación (3). Asi, (3) es la ecuación de la recta que pasa por p paralela a v, Entonces e l co n ju n to so lu ció n de A x = b e s u n a recta que p a sa p o r p p a r a le la a l co n ju n to so lu ció n d e A x = 0. La figura 5 ilustra este caso.
FIGURA 4 R e d a trasladada,
RGURA S Conjúreos .solución paralelos de
/ix - by A x* 0 La relación entre los conjuntos solución de Ax = by A x = 0 que se ilustra en la figura 5. se generaliza a cualquier ecuación consistente A x = b. aunque el conjunto solución será más grande que una recta cuando existan muchas variables Ubres. El siguiente teorema da el enunciado preciso. Para una demostración, véase el ejercicio 25.
http://www.fullengineeringbook.net 67 of 461.
50 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
TEOREMA 6
Suponga que la ecuación A x ~ b es consistente para alguna k d ad a, y sea p una solu ción. El conjunto solución de A x = k e s el conjunto de todos los vectores de la forma w = p + v/, donde es cualquier solución de la ecuación homogénea A x = O
Ü teorema 6 dice que si A x = k tiene una solución, entonces el conjunto solución se obtiene al trasladar el conjunto solución de A x = O empleando cualquier solución particular p de A x = k para dicha traslación. La figura 6 ilustra el caso en que existen dos variables libres. Aun cuando n > 3. nuestra imagen mental del conjunto solución de un sistema con sistente A x = k (con k * O) es un solo punto diferente de cero, o una recta o un plano que no pasan por el origen.
RGURA 6 Conjuntos solución
paralelos de .4* = b y /tx = O Advertencia: El teorema 6 y la figura 6 solamente se aplican a una ecuación A x = kque tiene al menos una solución p diferente de cero. Cuando A x = k no tiene solución, entonces el conjunto solución es vado. El siguiente algoritmo resume los cálculos que se muestran en los ejemplos 1. 2 y 3.
ESCRITURA DE UN CONJUNTO SOLUCIÓN (DE UN SISTEMA CONSISTENTE) EN FORMA VECTORIAL PARAMÉTRICA 1. Reduzca por filas la matriz aumentada a su forma escalonada redudda. 2. Exprese cada variable básica en términos de cualquiera de las variables libres pre sentes en una ecuarión.
1
Escriba una soludón típica x como un vector cuyas entradas dependen de las varia bles libres (si las hay).
4. Descomponga x en una com binadón lineal de vedores (con entradas numéricas) empleando las variables libres como parámetros.
1 PROBLEMAS DE PRÁCTICA 1. Cada una de las siguientes ecuaciones determina un plano en M3. ¿Se intersecan los dos planos? Si es asi. describa su intersección X\
+ 4x2 - 5xj = O
2xi — x 2 + 8xj = 9 2
Escriba la soludón general de lQxi - 3x2 - 2x3 = 7 «n forma vectorial paramétrica, y relacione el conjunto soludón con el obtenido en el ejemplo 2.
http://www.fullengineeringbook.net 68 of 461.
1.5
Conjuntos solución de sistemas lineales 5 1
1 .5 EJER C IC IO S * En los ejercicios 1 a 4. determine si el sistema tiene una solución no trivial. Intente usar lo menos posible las operaciones de illa. L
a
+ 8xj = 0 - 2 x i - 7x2 + x> = 0 4 x , + 2x2 + 7 x j = 0
í
+ 4x2 - 8 xj = 0 -2 x i + 5x2 + 4 x j = 0
4
2 x i - 5x}
-3 x i
+ 3xj = 0 —2 X | - 3X2 - 4 x j = 0 2 x | — 4x 2 + 9x 3 = 0 X| - 2x}
1& Como en el ejercicio 17, describa las soluciones del siguiente sistema en forma vectorial paramétrica, y realice una compara ción geométrica con el conjunto solución del ejercicio 6. x i + 2x 2 —3xj = 5 2xi + x j - 3xj = 13 —XI +
- 3x2 + 2 x j = 0 - 3 x i - 4x2 + 2 x j = 0
X2
= -8
5xi
En los ejercicios 19 y 20. encuentre la ecuación paramétrica de la recta que pasa por a y es paralela a b
E n los ejercicios 5 y 6, siga e l método de los ejem plos 1 y 2 para e s crib ir e l conjunto solución del sistema homogéneo en forma vectorial paramétrica.
a
a
+ 2x2 + 4xj = 0 - 4 x j - 4 x 2 - 8x} = 0 - 3X2 - 3x> = 0 2xj
+ 2x2 - 3xj = 0 2 X | + x2 - 3 x , = 0 Xi
—l x i + x j
= 0
- -M M ' í] En los ejercicios 21 y 22. obtenga una ecuación paramétrica de la recta M que pasa a través de p y q [Sugerencia: A/es paralela al vector q - p Véase la figura que aparece más abajo).
E n los e jercicios 7 a 12. describa todas las soluciones de Ax = 0 en forma vectorial para métrica, donde A es equivalente por fila s a la matriz dada. 1
3 -3
7"
1
5.
7‘
L°
a
[ 3 - 6
ti.
i&
L -2
-4
a
61 4
m
-2 J
‘ 1 - 4 - 2 0 0 0 1 0 0 0 0 0 0 0 0 0
3 0 1 0
‘1 - 2 0 0
3 - 6 0 1
4 -6
0 0
0 0
0 0
0 0
0 0
—5 -1 -4 0
5
n
[O r-1 [ 2
-3 1 -4 -8
-8 2
51
*2
—4 J 0 0
-41 8J
"
0'
1 0
l a Suponga que el conjunto solución de un cierto sistema de ecua ciones lineales se describe como xi = 5 + 4xj. X2 = - 2 - 7xj. oonxj Ubre. Use vectores para describir este conjunto como una recta en R3. 1 4 Suponga que el conjunto solución de un derto sistema de ecuaciones lineales se describe como xi = 5x4. *2 = 3 - Zx\. X3 = 2 + 5*4. con X4 libre. Utilice vectores para describir este conjunto como una "recta" en R4.
En los ejercicios 23 y 24. marque cada enunciado como verdadero o falso. Justifique sus respuestas. * 23. a) Una ecuación homogénea siempre es consistente. t) La ecuación Ax = Oda una descripción explícita de su con junto solución ecuación homogénea A x - O tiene la solución trivial si y solo si la ecuación tiene al menos una variable libre.
15k Dése riba y compare losconjuntos solución de xi + 5x2 - 3x3 = 0 yxi + 5x2 - 3xj - -2 . *la
Describa ycomparelosconjuniossoluclóndexi - 2x2 + 3 x s" 0 yxi - 2x2 + 3x3 = 4.17
17. Siga el método del ejemplo 3 para describir las soluciones del siguiente sistema en forma vectorial paramétrica También. dé una descripción geométrica del conjunto solución y compárelo con el que obtuvo en el ejercicio 5. 2xi + 2 x 2 + 4 x j =
8
—4xi - 4x2 ~ 8xj = -1 6 - 3X2 - 3x , =
12
* 24
Un sistema homogéneo de ecuaciones puede ser inconsis tente. # Si x es una solución no trivial de A x - Q entonces cada entrada en «es distinta de cero. c) 13 efecto de sumar p a un vector es mover a dicho vector en una dirección paralela a p d) La ecuación Ax = b es homogénea si el vector cero es una solución
http://www.fullengineeringbook.net 69 of 461.
52 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal e) Si Ax = b es consLstente. entonces el conjunto solución • 34 Construya una matriz A. diferente de cero, de 3 x 3 tal que el de/lx = bse obtiene portraslacióndelconjuntosoluciónde A* = 0 vector sea una solución de Ax - O 25. Demuestre el teorema 6: a) Suponga que p e s una solución de Ax = b. de manera que Ap - b Sea v* cualquier solución de la ecuación homo 35 A partir de A encuentre por inspección una génea Ax = Q y se a w = p+Vfc Demuestre que w es una solución de Ax = b solución no trivial de Ax = (I [Su/fcrencM: Píense en la ecua bt Sea w cualquier solución de Ax « b, y defina v.vw w - p ción Ax - Oesaita como una ecuación vectorial). Demuestre que */, es una solución de Ax = 0 Esto demues tra que cada solución de Ax - bttene la forma w - p + */» donde p es una solución particular de Ax = b y una 35 A partir de A = - 6 4 , encuentre por inspección una solución de Ax ~ O. 12 - s j
[-i]
28. Suponga que A es la matriz cero de 3 x 3 (con cero en todas las entradas). Describa el conjunto solución de la ecuación Ax = •
solución no trivial de Ax = O • 37. Construya una m atriz A d e 2 x 2 t a l q u e e l conjunto solución
d* la ecuación Ax - Osea la recta en R2 que pasa a través de (4. 1) y el origen. Luego, encuentre un vector b en R2 tal que el conjunto solución de Ax = b /rosea una recta en R2 paralela al conjunto solución de Ax = 0. ¿Por qué esto no contradice al teorema 8?
27. Suponga que Ax = b tiene una solución. Explique por qué la solución es única precisamente cuando Ax —Otiene solo la so lución trivial. En los ejercicios 28 a 31, a) ¿la ecuación Ax = 0 tiene una solución no trivial? b) ¿La ecuación >4» - b tiene al menos una solución para toda posible k? 28. /Ies una matriz de3 x 3 con tres posiciones pivote. 2a
/les una matriz de 4 x 4con tres posiciones pivote.
30l Aes una matriz de2 x 5 con dos posiciones pivote. 31. Aes una matriz de 3 x 2 con dos posiciones pivote. 32. Si b * 0, ¿el conjunto solución de Ax = b puede ser un plano que pasa por el origen? Explique su respuesta. 33. Construya una matriz A, diferente de cero, de 3 x 3 tal que el vector
sea una solución de Ax
a
38 Sean A una matriz de m x n, y w un vector en R" que satisface b ecuación Ax = 0, Demuestre que para cualquier escalar c. el vector rw también satisface Ax = 0 [Es decir, demuestre que A(cw) *= 0| 38 Suponga que A es una matriz d e n ? x n . y q u e v y w s o n vectores en R" tales que Av = 0 y Aw = 0 Explique por qué A(v + w) debe ser el vector cero. Luego, explique por qué A(cv + dm) = Opara cada par de escalares c y d. * 48 Suponga que A es una matriz de 3 x 3 y b es un vector en R3 tales que la ecuación Ax m b no tiene solución. ¿Existe un vector y en Rs tal que la ecuación Ax = y tiene una solución única? Justifique su respuesta.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1.
Reduzca por filas la matriz aumentada: [1 [2
4 -5 -1
0] 8
p
9 j " '[ °
4 - 5 “9
18
+ 3*3 =
Xi Xi
0]
p
9J^L °
0
3
4]
1 ~2
4
- 2xj = -1
Por lo tanto. = 4 - 3x3. x 2 = - 1 + 2xy. con jr3 libre. La solución general en forma vectorial paramétrica es
1.a intersección de los dos planos es la recta que pasa por p en la dirección de v.
http://www.fullengineeringbook.net 70 of 461.
16
Aplicaciones de sistemas lineales 53
JL La matriz aumentada [10 - 3 - 2 7] es equivalente por filas a (1 - . 3 y la solución general es xi = .7 + .3x2 + .2x3. con X2 y *3 libres. Es decir.
.7 + .3^2 + .2xj x
*2 *3
J [TL ° JI
1=
=
P
+ *2
'.2' '.3' 1 + *3 0 0 1
+
*2U +
- .2
.7],
XjV
El conjunto solución de la ecuación no homogénea A x ® b es el plano trasladado p + G en {m. v}. que pasa por p y es paralelo al conjunto solución de la ecuación homo génea del ejemplo 2.
1 .6
APLICACIONES DE SISTEMAS UNEALES Tal vez usted espere que un problema de la vida real que implica álgebra lineal tenga solo una solución, o quizá ninguna solución. La finalidad de esta sección es mostrar cómo, de manera natural, surgen sistemas lineales con muchas soluciones. Aquí las aplicaciones provienen de áreas como economía, química y flujo en redes.
U n sistem a hom ogéneo en econom ía | -------'
El sistema de 500 ecuaciones con 500 variables, que se mencionó en la introducción de este capitulo, ahora se conoce como un modelo de ‘entrada-salida’ (o "producción") de Leontief.1 En la sección 2.6 se examinará este modelo con más detalle, cuando se disponga de más bases teóricas y de una mejor notación. Por ahora, se considerará un "modelo de intercambio" más sencillo, que también se debe a Leontief. Suponga que la economía de una nación se divide en muchos sectores, como manufactu ra. comunicaciones, entretenimiento y servicios. Considere que se conoce la producción total anual de cada sector y se sabe exactamente cómo esta producción se divide o se "intercambia* entre los otros sectores de la econom ía Al valor total en dólares de la producción de un sector se le llama predo de esa producción. Leontief probó el siguiente resultado. Existen precios de equilibrio que se pueden asignar a las producciones totales de varios sectores, de tal forma que el ingreso de cada sector equilibra exactamente sus gastos. El siguiente ejemplo Ilustra cómo encontrar los precios de equilibrio.
EJ EM PLO 1 Suponga que una economía comprende las industrias carbonífera, eléctrica y del acero, y que la producción de cada sector se distribuye entre los diversos sectores como se muestra en la tabla 1. página 54: las entradas en una columna representan las partes frac ciónales de la producción total de un sector industrial. La segunda columna de la tabla 1. por ejemplo, dice que la producción total del sector eléctrico se divide como sigue: 40% a la industria del carbón. 50% a la del acero, y el restante 10% a la industria eléctrica. (El sector eléctrico trata a este 10% como un gasto en el que se incurre con la finalidad de operar su negocio). Como se deben considerar todas las produc ciones. las fracciones decimales en cada columna deben sumar 1.
1 V 6 a v Wtwslly W. lj*omleí, ‘ Input-OulpuT Economlcs’ . Scimtific Amrrican,octubre de 1951, pp. 15-21
http://www.fullengineeringbook.net 71 of 461.
54 CAPÍTULO 1
E c u a c io n e s lin e a le s e n á lg e b r a lin e a l
Denote los precios (es decir, valores en dólares) del total de las producciones anuales de los sectores del carbón, eléctrico y del acero mediante pe. pe y ps. respectivamente. Si es posible, encuentre los precios de equilibrio que hacen que los ingresos de cada sector igualen a sus gastos.
TABLA 1
Una economía básica
DbtHbucidn de b producción per t i —
.6 —
Dri carbón
Etértrko
Del acero
C onqrada per:
.0
.4
.6
S. del carbón
.6
.!
.2
S. eléctrico
.4
.5
2
S. delacero
SOLUCIÓN En cada columna se indica hacia dónde va la producción de cada sector indus trial; si deseamos saber qué necesita cada sector como insumos, hay que leer a lo largo de cada fila Por ejemplo, la primera fila de la tabla 1 dice que el sector del carbón recibe (y paga) el 40% de la producción del sector eléctrico y el 60% del producto de la industria del acero. Puesto que los respectivos valores de las producciones totales sonpgy p$. la industria del carbón debe gastar A pz dólares por compartir el producto del sector eléctrico y ,6ps por la produc ción de la industria del acero. Asi. los gastos totales del sector carbonífero son Ap¿ + .6ps. Para hacer que el ingreso de la industria del carbón, pc. sea igual a sus gastos, escribimos
pe = 4pE 4- ,6ps
(D
La segunda fila de la tabla de intercambio indica que el sector eléctrico gasta 0.6pc en la industria del carbón, O.lps en energía eléctrica, y 0.2psen la industria del acero. Asi que el requerimiento de ingreso/gasto para el sector eléctrico es
PE = .6pc + . IpE + .2ps
(2)
Finalmente, la tercera fila de la tabla de intercambio conduce al último requerimiento: p s ~ Apc + .5pE + -2ps
(3)
Para resolver el sistema de ecuaciones (1). (2) y (3). se transfieren todas las incógnitas a los lados izquierdos de las ecuaciones y se combinan términos semejantes. (Por ejemplo, en el lado izquierdo de (2). se escribe p e - A pe como .9pE.) Pc -
A¡> e. -
¿Ps = 0
—¿ pe + .9pe - .2ps = 0 - A p c - .5/>e + -8ps = 0 El siguiente paso es reducir por filas. Aquí, para simplificar, los decimales se redondean a dos cifras. 1 - .4 - .6 - .6 .9 - . 2 - .4 - .5 .8
°1 n - 4 -•« 0 ^ 0 .66 -.5 6 oj [ O -.6 6 .56
Í 10 - . 4 I 0
- .6 -.85 0 0
http://www.fullengineeringbook.net 72 of 461.
- .4 - .6 .66 - .5 6 0 0 0 - .9 4 1 -.8 5 0 0
0 0 0
°1 0 °J
16
Aplicaciones de sistemas lineales 55
La solución general es pe = 94ps, p e = .85ps, y ps es libre. El vector de precios de equili brio para la economía tiene la forma
Cualquier asignación (no negativa) para ps da por resultado una asignación de precios de equilibrio. Por ejemplo, sí se toma ps como 100 (o $100 millones), entonces pe = 94 y p E = 85. I.jos ingresos y gastos de cada sector serán iguales si la producción de carbón se cotiza en $94 millones, la de energía eléctrica en $85 millones, y la de acero en $100 millones. ■
B alanceo de ecuaciones quím icas Las ecuaciones químicas describen las cantidades de sustancias que se consumen y producen en reacciones químicas. Por ejemplo, cuando el gas p ropa no se quema, el propano (C3H 8) se combina con oxigeno (O2) para formar dióxido de carbono (CO2) y agua (H2O). de acuerdo con una ecuación de la forma
N C a H g + (X2)02-> (*j)C0* + (x <)H20
(4)
Para “balancear* esta ecuación, un químico debe encontrar números jti......u tales que los números totales de átomos de carbón (C). hidrógeno(H) y oxigeno (O) en el lado izquierdo concuerden con los números de átomos correspondientes en el lado derecho (porque, en la reacción, las átomos no se crean ni se destruyen). Un método sistemático para balancear ecuaciones químicas es colocar una ecuación vec torial que describa el número de átomos de cada tipo presentes en una reaccióa Como la ecuación (4) implica a tres tipos de átomos (carbón, hidrógeno y oxigeno), construya un vector en R 3 para cada reactante y producto en (4) que liste los números de "átomos por mo lécula". como sigue: C3H#:
3 8 • 0 2: 0
0 0 2
0 2 1
1 . C 0 2:
0 .
h 2q
2
— Carbón » - Hidrógeno ■*- Oxigeno
Para balancear la ecuación (4), los coeficientes x \......x< deben satisfacer y Xl
8
*0 ' + x2 0
n i
2
0
+ x.
= *3
r°i i
[ i\
Para resolver, mueva todos los términos a la izquierda (cambiando los signos en los vectores tercero y cuarto): Xl
3 8 0
+ X2
0 0 2
+ X}
-1 0 -2
+ J
°1 r°i L-'J L°J -2
==
0
La reducción por filas de la matriz aumentada para esta ecuación conduce a la solución general x i = ¿* 4. X2 = ¿* 4. X3 = ¿* 4. con xt libre Como los coeficientes en una ecuación química deben ser enteros, tome xa = 4; en tal caso, xi = 1. X2 - 5 y JC3 = 3. La ecuación balanceada es C 3H» + 5 0 2 -+ 3 CO 2 + 4H20 La ecuación también estarla balanceada si, por ejemplo, cada coeficiente se duplicara Sin embargo, para la mayoría de los propósitos, los químicos prefieren utilizar una ecuación ba lanceada cuyos coeficientes sean los números más pequeños posibles.
http://www.fullengineeringbook.net 73 of 461.
56 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
Flujo de redes WEB
RGURA 1
Una unión, también llamada nodo.
Los sistemas de ecuaciones lineales se originan naturalmente cuando científicos, ingenie ros o economistas estudian el flujo de alguna cantidad a través de una red. Por ejemplo, los planificadores urbanos y las ingenieros de tráfico monitorizan el patrón de flujo de tránsito en una rejilla de las calles de la ciudad. Los ingenieros eléctricos calculan el flujo de corriente a través de circuitos eléctricos. Y los economistas analizan la distribución de productos del fabricante al consumidor a través de una red de mayoristas y minoristas. Para muchas redes, los sistemas de ecuaciones implican cientos o incluso miles de variables y ecuaciones. Una red consiste en un conjunto de puntos llamados uniones, o nodos, con lineas o arcos llamados ramas, que conectan algunos o todos los nodos. Se indica la dirección y el sentido de flujo en cada rama, y la cantidad de flujo (o tasa) se denota con una variable. 1.a suposición básica en el flujo de red es que el flujo total en la red es igual al flujo total de salida de la red, y que el flujo total en un nodo es igual al flujo total de salida en dicho nodo. Por ejemplo, la figura 1 muestra 30 unidades que fluyen por una rama hacia una unión: x\ y *2 denotan los flujos de salida del nodo a través de otras ramas. Como el flujo se ‘conserva' en cada unión, entonces x\ + X2 = 30. En forma similar, el flujo en cada nodo se describe mediante una ecuación lineal. El problema de análisis de redes es deter minar el flujo en cada rama cuando se tiene información parcial (como el flujo de entrada y sa lid a d e la re d ).
EJEMPLO 2 1.a red de la figura 2 representa el flujo del tránsito (en vehículos por hora) en varias calles de un solo sentido en el centro de Baltimore en un día común, poco después del mediodía Determine el patrón de flujo general para la red. 3
"
C a l v e n S i.
í
S o u th S i.
N
300'
L a m b a n ! S i.
B
C
■400
*4
P r a tt S i.
300-
A
D
■600
*1
500
RGURA2 Calles de Balümore.
SOLUCIÓN Escriba las ecuaciones que describen el flujo, y después encuentre la solución general del sistema. Marque las intersecciones de las calles (nodos) y los flujos desconocidos en las ramas, como se indica en la figura 2. En cada intersección, iguale el flujo de entrada al de salida. U a m r iU n A
Fh^o de «mirada
Flujo de salida
B
300 + 500 " *\ +-*2 X2 + Xi - 300 + x3
C D
100 + 400 = Xa +X5 X i + X i = 600
http://www.fullengineeringbook.net 74 of 461.
16
Aplicaciones de sistemas lineales 57
También, el flujo total de entrada en la red (500 + 300 + 100 + 400) es igual al flujo total de salida (300 + 4- 600), que se simplifica a * *5 = 400. Combine esta ecuación con un reordenamiento de las primeras cuatro ecuaciones para obtener el siguiente sistema de ecuaciones: Xt + x i X2
= 800 = 300
— Xj + X4
*4 + * j = 500 xi
+ xs = 600 x¡
=400
1.a reducción por filas de la matriz aumentada conduce a xi
+ *5 = 600 — X5 = 200
x2 Xj
=400
*4 + Xj = 500
El patrón de flujo general para la red está descrito por ai
= 600 - xs
x 2 = 200 + x 5 x j = 400 x4 = 500 - x 5 x ses libre Un flujo negativo en una rama de la red corresponde a un flujo en el sentido opuesto al indicado en el modelo. Como las calles en este problema son de un solo sentido, ninguna de las variables puede ser negativa Este hecho conduce a ciertas limitaciones sobre los po sibles valores de las variables. Por ejemplo, as ^ 500 poique x< no puede ser negativa. En el problema de práctica 2 se consideran otras restricciones sobre las variables. ■
PROBLEMAS DE PRÁCTICA* 1. Suponga que una economía tiene tres sectores: agricultura, minería y manufactura Agri cultura vende el 5% de su producción a minería y el 30% a manufactura, y retiene el resto. Minería vende el 20% de su producto a agricultura y el 70% a manufactura conservando el resto. Manufactura vende el 20% de su producción a agricultura y el 30% a minería, y retiene lo restante. Determine la tabla de intercambio para esta economía: utilice las columnas para describir cómo la producción de cada sector se intercambia entre les tres sectores. • 2. Considere el flujo de red que se analizó en el ejemplo 2. Determíne el posible rango de valores de x\ y xz. [Sugerencia: El ejemplo mencionó que as ^ 500. ¿Qué implicaciones tiene esto sobre ai y x2? Además, considere el hecho de que as > 0).
http://www.fullengineeringbook.net 75 of 461.
58 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal
1 .6 EJER C IC IO S* al sector del transporte, y conserva el resto. Servicios vende el 10% de su salida de producción a agricultura, el 20% a manu factura. el 20% al sector del transporte, y conserva el resto. El sector del transporte vende el 20% de su salida de producción a agricultura, el 30% a manufactura, el 20% a servicios, y cnroer\a el remanente.
1. Suponga que una economía solo tiene dos sectores: bienes y servicios. Cada arto, el sector de bienes vende el 80% de su pro ducción al de servicios y retiene el resto, mientras que el sector d» servicios vende el 70% de su producción al sector de bienes y conserva lo restante. Encuentre kis precios de equilibrio para las producciones anuales de los sectores de bienes y servicios que permiten igualar el ingreso con el gasto de cada sector.
a) Construya la tabla de intercambio para esta economía. tí) |M| Encuentre un conjunto de precios de equilibrio para la economía si el valor del producto del sector del transporte es de $ 10.00 por unidad. r) □ sector de servicios lanza una exitosa campaña para'comer productos frescos de granja*, e incrementa su participación con el sector agrícola al 40%. mientras que su participa ción con el sector manufacturero cae al 10%. Construya la tabla de intercambio para esta nueva economía.
2. Encuentre otro conjunto de precios de equilibrio para la econo mía del ejemplo 1. Suponga la misma economía, pero que ahora se utiliza el yen japonés en vez del dólar estadounidense para medir los valores de las diversas producciones de los sectores. ¿Esto modificarla el problema en algún sentido? Analícelo. & Considere una economía con tres sectores: combustibles y ener va. manufactura y servicios. Combustibles y energía vende el 80% de su producción a manufactura, el 10% a servicios, y re tiene el resto. Manufactura vende el 10% de su producción a combustibles y energía, el 80% a servicios, y conserva lo res tante. Servicios vende el 20% a combustible y energía, el 40% a manufactura y retiene d resto. á) Construya la tabla de intercambio para esta economía. tí) Desarrolle un sLstema de ecuaciones que permita determi nar los precios con los cuales se igualen los Ingresos y gas tos de cada sector. Después, escriba la matriz aumentada que puede reducirse por filas para obtener esos precios, c) M] Encuentre un conjunto de precios de equilibrio cuando el precio para la producción de servicios es de 100 unidades. 4. Suponga que una economía tiene cuatro sectores: minero, ma derero. de energía y del transporte. Minería vende el 10% de ju producción al sector maderero, el 60% a energía, y conserva d resto. □ sector maderero vende el 15% de su producción a minería, el 50% a energía, el 20% al sector del transporte, y conserva lo restante. Energía vende el 20% de su producción a niñería, el 15% al sector maderero, el 20% al sector del trans porte. y retiene el resto. □ sector del transporte vende el 20% de su salida de producción a minería, el 10%al sector maderero, el 50% a energía, y conserva lo restante. á¡ Construya la tabla de intercambio para esta economía. tí) ;M] Encuentre unconjuntode precias de equilibrio para esta economía. 5. Una economía tiene cuatro sectores: agricultura manufactura, servicios y transporte. El sector agrícola vende el 20% de su producción a manufactura, el 30% a servicios, el 30% al sector del transporte, y conserva el resto. Manufactura vende el 35% de su producción al sector agrícola, el 35% a servicios, el 20%
d) |M| Encuentre un conjunto de precios de equilibrio para esta nueva economía si el valor del sector del transporte continúa a $10.00 por unidad. ¿Qué efectos tuvo la campaña de “co mer productos frescos de granja' sobre los precios de equili brio para los sectores en esta economía? Eh los ejercicios 6 a 11. balancee las ecuaciones químicas utilizando el enfoque de ecuación vectorial analizado en esta sección • ft El óxido de aluminio y el carbón reaccionan para crear el ele mento aluminio y dióxido de carbono: AI7O 3 + C -» A I + CO2 [Para cada compuesto, construya un vector que liste los núme ros de átomos de aluminio, oxigeno y carbón). 7. El Alka-Seltzer contiene bicarbonato de sodio (NaHCOj) y áci do cítrico (HaCaHsO?). Cuando se disuelve una tableta en agua, la siguiente reacción produce cltrato de sodio, agua y dióxido de carbono (gas): NaHCOj + HjCbHsO? -♦ NárC#H507 + HjO + CO? ft La piedra caliza. CaCOj. neutraliza el ácido. HjO. en la lluvia ácida. mediante la siguiente ecuación sin balancear: HjO + CaCOj -* HjO + Ca + CO2 ft El sulfhídrico de boro reacciona violentamente con agua para formar ácido bórico y gas sulfhídrico de hidrógeno (que expide olor a huevo podrido). 1jü ecuación sin balancear es BjSj + l ^ f H a B O s + HíS lft |M| Si es posible, utilice aritmética exacta o un formato racional para los cálculos al balancear la siguiente reacción química: PbN# + CrMi^Qj —> PbjO* + CtyOj + MnÜ2 + NO 1L
M La reacción química que aparece a continuación se puede utilizar en algunos procesos industriales, como la producción de arsénico (AsHj). Utilice aritmética exacta o un formato racional para los cálculos al balancear esta ecuación. MnS + ASíCrioOss + HjSO.4 -♦ HMnO, + AsHs + CrSsOiz + H2O
http://www.fullengineeringbook.net 76 of 461.
1.7 12 Encuentre el patrón de flujo general de la red que se ilustra en la figura. Suponiendo que todos las flujos son no negativos, ¿cuál fs el valor más pequeño posible para *
Independencia lineal 59
que se representa en la figura (Ij r tasas de flujo están en vehículos/mlnuto). til Describa el patrón de tráfico general cuando está cerrada la ruta cuyo flujo es x&. di Cuando x* = 0. ¿cuál es el valor mínimo de jtt?
13L a) Encuentre el patrón de flujo general de la red que se ilustra m ía figura A) Suponiendo que los flujos deben ser en los sentidos indica d a . encuentre los flujos mínimos en las ramas denotadas como *2. *3, x í yxs 30
40
* 1S fch Inglaterra las intersecciones con frecuencia se construyen como circuitos en forma de glorieta de un solo sentido, como el que se ilustra en la figura. Suponga que el tráfico debe circular en las sentidos indicados. Encuentre la solución general del flu jo de red. Determine el valor más pequeño posible para xs
14 á) Encuentre el patrón de tráfico general de la red de autopistas
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA
I. Escriba los porcentajes como decimales. Como todas las salidas deben tomarse en cuenta, cada columna debe sumar 1. Este hecho ayuda a llenar cualquier entrada faltante. ndrU prockM xtt i p n - O T l n w ra
M burla
Manufactura C ooprada por:
.65
.20
.20
.05
.10
.30
Minería
.30
.70
.50
Manufactura
Apicultura
2. Como *5 =£ 500. las ecuaciones D y A para *i y x i implican que *j 2 : 100 y x z ^ 700.
El hecho de que xs ^ 0 implica que x x ^ 600 y jt2 ^ 200. Asi. 100 ^ x { ^ 600, y 200 =s*2 ^ 700.
1.7
INDEPENDENCIA LINEAL Las ecuaciones homogéneas de la sección 1.5 se pueden estudiar desde una perspectiva dife rente si las escribimos como ecuaciones vectoriales. De esta manera, la atención se transfiere de las soluciones desconocidas de A x = O a los vectores que aparecen en las ecuaciones vectoriales.
http://www.fullengineeringbook.net 77 of 461.
60 CAPÍTULO 1 Ecuaciones lineales en álgebra lineal Por ejemplo, considere la ecuación
*1
1 2 3
4 + x2 5 6
+ X3
2 1 0
—
0 0 0
Esta ecuación tiene una solución trivial, desde luego, donde x, = x2 = en la sección 1.5, el asunto principal es si la solución trivial es la única.
DEFINICIÓN
= 0. Al igual que
Se dice que un conjunto Indexado de vectores {vi......en Rn e.s Kmalmente inde pendiente si la ecuación vectorial X|*l + X2T? + — + XyVf, = 0 solo tiene la solución trivial. Se dice que el conjunto {v,..... v,,} es dente si existen pesos o ......q,. no todos cero, tales que
Idealmente depen
C(*i + c2v2 + ••• + q,vp = 0
(2)
La ecuación (2) se llama relación de dependencia lineal entre ......vr cuando no todos los pesos son cero. Un conjunto indexado es linealmente dependiente si y solo si no es lineal mente independiente. Por brevedad, puede decirse que v ,..... vp son lineal mente dependientes cuando queremos decir que {v,......es un conjunto línealmente dependiente. Se utiliza una terminología semejante para los oonjuntos linealmente independientes.
EJEMPLO 1 V3} es linealmente independiente. Si es posible, encuentre una relación de dependencia lineal entre v,,
a) Determine si el conjunto b)
{vi.
y v3.
S O L U C IÓ N
a)
Se debe determinar si existe una solución no trivial de la ecuación (1) que aparece más arriba. I ^ s operaciones de fila sobre la matriz aumentada asociada Indican que
[
I
4 2
0"|
2
5 I
O U
3
6 0
oj
fl
4
2
0 - 3 - 3 L°
0
Oí 0
0
°J
Como es evidente, x\ y x 2 son variables básicas, y *3 es libre. Cada valor de x3 distinto de cero determina una solución no trivial de (1). Así que vi, V2, n son línealmente depen dientes (y. por tanto, no son lineal mente independientes). b)
Para encontrar una relación de dependencia lineal entre y v 3. se reduce por filas completamente a la matriz aumentada y se escribe el -nuevo sistema: *\ 2x3 = 0 1 0 -2 0 0 1 1 0 *2 + *3 = 0 0 0 0 0
0=0
Asi. xi = 2 X3. X2 = - X 3. y X3 es libre. Seleccione cualquier valor distinto de cero para * 3; por ejemplo. x 3 = 5. De esta manera. xi = 10 y x 2 = - 5 . Sustituya estos valores en la ecuación ( 1 ) para obtener 10vi - 5 v2 + 5v 3 = 0 Esta es una (entre una infinidad) de las posibles relaciones de dependencia lineal entre v i .v j y v j . ■
http://www.fullengineeringbook.net 78 of 461.
1.7
Independencia lineal 6 1
Independencia lineal de las colum nas de u n a m atriz Suponga que. en vez de utilizar un conjunto de vectores, se Inicia con una matriz A = (ai ••• a,|. En tal caso, la ecuación matricial A x = * s e puede escribir como *1*1 + *2% + — + Cada relación de dependencia lineal entre las columnas de A corresponde a una solución no trivial de A x = O Así. tenemos el siguiente resultado importante.
Las columnas de una matriz A son linealmente independientes si y solo si la ecuación A x = itie n e solo la solución trivial. (3)
E JE M P L O 2
Determine si las columnas de la matriz A =
1 L5
2 -1 son lineal8 Oj
mente independientes. SOLUCIÓN Para estudiar A x = 0. se reduce por filas la matriz aumentada: *0 1
1 4 2 -1
_5
8
0
0] [I 0 - 0 oj
L°
2 -1 1 4 ”2
5
Oí 0 -
[1 0
2 -1 1 4
Oí 0
°J
L°
0
°J
13
En este punto, es claro que hay tres variables básicas y ninguna variable libre. Así. la ecuación A x = Osolo tiene la solución trivial, y las columnas de A son linealmente inde pendientes. ■
C onjuntos de u n o o dos vectores Un conjunto que solo tiene un vector —por ejemplo, v — es linealmente independiente si y solo si v no es el vector cero. Esto se debe a que la ecuación vectorial x\* = # so lo tiene la solución trivial cuando v * <1 El vector cero es linealmente dependiente porque jtjO = 0 tiene muchas soluciones no triviales. H siguiente ejemplo explicará la naturaleza de un conjunto linealmente dependiente de dos vectores. E JE M P L O 3 pendientes.
Determíne si los siguientes conjuntos de vectores son llnealmente inde
a) ’', = ["]]•” = [ * ]
« Vl = [ z ] ’’'2 = [2 ]
SOLUCIÓN a) Ohserve que r? es un múltiplo de vi. a saber. *2 = 2*i. Así que, - 2 v i + v? = O. lo que muestra que {vi. * 2) es linealmente dependiente. b) Desde luego, los vectores vi y *2 n o son múltiplos entre sí. ¿Podrían ser linealmente de pendientes? Suponga que c y ¿satisfacen cv i + ¿v? = 0 Si c # 0. entonces es posible despejar V| en términos de y?, a saber. V| = { - ¿ / ó * 2. Este resultado es imposible porque \ \ no es múltiplo de y j . Así que c debe ser cero. De manera similar, ¿tam bién debe ser cero. Por lo tanto, {vj, v*} es un conjunto 1iocal mente independiente. ■
http://www.fullengineeringbook.net 79 of 461.
62
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal Los argumentos del ejemplo 3 indican que siempre es posible determinar por inspección cuándo un conjunto de dos vectores es linealmente dependiente. Las operaciones de fila son innecesarias. Basta con comprobar si al menos uno de los vectores es un escalar multiplicado por el otro. (I-a prueba solo se aplica a conjuntos de das vectores).
Unealmente dependientes
(3 .2).
Un conjunto de dos vectores {▼(, **} es linealmente dependiente si al menos uno de los vectores es un múltiplo del otro. El conjunto es linealmente independiente si y solo sí ninguno de los vectores es un múltiplo del otro.
(6,2).
En términos geométricos, dos vectores son linealmente dependientes si y solo si am bos están sobre la misma recta que pasa por el origen. La figura 1 muestra los vectores del ejemplo 3. Unealmente Independientes
RGURA 1
C onjuntos de d as o m ás vectores La prueba del siguiente teorema es similar a la solución del ejemplo 3. Los detalles se presen tan al final de esta sección.
TEOREMA 7
Caracterización de conjuntos Unealmente dependientes Un conjunto indexado S = {vi......de dos o más vectores es linealmente dependien te si y solo si al menos uno de los vectores en S es una combinación lineal de los otros. De hecho, si S es linealmente dependiente y V| * O. entonces alguna r, (con j > 1) es una combinación lineal de los vectores precedentes, v i...... 1.
Advertencia: El teorem a 7 nodice que cad av ecto ren un conjunto linealmente dependien te es una com binación lineal de los vectores precedentes. Un vector en un conjunto lineal mente dependiente puede no ser combinación lineal de los otros vectores. Véase el problema de práctica 3.
EJEMPLO 4
Sean u =
3" 1 0
y
v=
T 6 0
. Describa el conjunto generado por a y v.
y explique por qué un vector w e stá en Gen { a v} si y solo si { a v. w} es linealmente dependiente. SOLUCIÓN I^os vectores u y v son línealmente independientes porque ninguno de ellos es múltiplo del otro, de manera que generan un plano en R3. (Véase la sección 1.3). De hecho. Gen {a. v) es el plano x xx2 (con x3 = 0). SI w es una combinación lineal de a y v. enton ces { a v. w} es linealmente dependiente, de acuerdo con el teorema 7. A la Inversa, su ponga que { a v. w) es Unealmente dependiente. Por el teorema 7. algún vector en { a v. w} es una combinación lineal de los vectores precedentes (porque ■ * Oí Ese vector debe ser w. porque v no es múltiplo de a Asi. w está en Gen { a v}. Véase la figura 2. ■
Lineal mente dependientes, w enO n v)
Unealmente Independientes, •rnoretAenOn (a
RGURA 2 Dependencia lineal en R3.
http://www.fullengineeringbook.net 80 of 461.
1.7
Independencia lineal 63
El ejemplo 4 se generaliza a cualquier conjunto {*. v. w} en R3 con m y v linealmeníe independientes. El conjunto {■. v. w} será linealmente dependiente si y solo si w está en el plano generado por ■ y v. Ixis siguientes dos teoremas describen casos especíales en los cuales la dependencia lineal de un conjunto es autom ática Aún más, el teorema 8 será un resultado clave para tra bajar en capítulos posteriores.
TEOREMA 8
FIGURA 3
S lp > las columnas son linealmente dependientes.
(-2.2)
Si un conjunto contiene más vectores que entradas en cada vector, entonces el con junto es linealmente dependiente. Es decir, cualquier conjunto {vi..... en W” es li nealmente dependiente si p > n.
DEMOSTRACIÓN Sea A = [vi ••• vp). Entonces, A es n x p, y la ecuación A x = # c o rresponde a un sistema de n ecuaciones con p Incógnitas. Sí p > n hay más variables que ecuaciones, por lo que debe existir una variable libre. Así. A x = 0 tiene una solución no trivial, y las columnas de A son linealmente dependientes. Véase la figura 3 para una versión m atridal de este teorema. ■ Advertencia: El teorema 8 no dice nada acerca del caso en que el número de vectores en el conjunto no excede el número de entradas en cada vector.
(4. -1) FIGURA 4
Un conjunto linealmeníe dependiente en R*.
E JE M P L O 5
2 j son linealmente dependientes de acuerdo
Lxk vectores
con el teorema 8. ya que hay tres vectores en el conjunto y solamente existen dos entradas en cada vector. Sin embargo, observe que ninguno de los vectores es un múltiplo de alguno de los otros. Véase la figura 4. ■
TEOREMA 9
Si un conjunto 5 = {*i..... vp} en linealmente dependiente.
contiene al vector cero, entonces el conjunto es
DEMOSTRACIÓN Al renumerar los vectores, se puede suponer que vi = O Asi, la ecuación 1vi + 0*2 + ••• + 0ee, = •in d ic a que S e s linealmente dependiente. ■ E J EM PLO 6
a)
r 7 6
2 0 9
Por inspección, determine si el conjunto dado es linealmente dependiente. 3
4
# 1 9 1 5
8
2 3 5
0 0 0
1 1 8
SOLUCIÓN a) El conjunto contiene cuatro vectores, cada uno de los cuales tiene solamente tres entradas. Así que. de acuerdo con el teorema 8, el conjunto es linealmente dependiente. b) 0 teorema 8 no se aplica aquí porque el número de vectores no excede al número de entradas en cada vector. Como el vector cero se encuentra en el conjunto, este último es linealmente dependiente, de acuerdo con el teorema 9. c) Compare las entradas correspondientes de los dos vectores. 0 segundo vector parece ser el primer vector multiplicado por - 3 / 2 . La relación es válida para los primeros tres pares de entradas, pero falla para el cuarto par. Así, ninguno de los vectores es múltiplo de otro y. por lo tanto, son linealmente independientes. ■
http://www.fullengineeringbook.net 81 of 461.
64 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal En general, la sección se deberla leer vanas veces para asimilar plenamente un concepto tan importante como el de independencia lineal. Por ejemplo, es importante leer con cuidado la siguiente demostración, ya que ilastra cómo s e emplea la definición de independencia lineal. DEMOSTRACIÓN DEL TEOREMA 7 (C a ra c te riz a c ió n d e c o n ju n to s lln e a lm e n te d e p e n d ie n te s ) S ialgunav y en 5 es una combinación lineal de los demás vectores, entonces V; se puede restar en ambos lados de la ecuación, produciendo asi una relación de dependencia lineal con un peso diferente de cero ( - 1 ) sobre v,. (Por ejemplo, si V| = c 2v 2 + QTj, entonces 0 = ( - l ) v i + q v ? + Cjw,3 + 0*4 + ••• + Ov^J. Por lo tanto, 5 e s linealmente dependiente. A la inversa, suponga que S e s línealmente dependiente. Si V| es cero, entonces es una combinación lineal (trivial) de los demás vectores en S. De otra forma, v, # O y existen pesos q ......Cp, sin que todos sean cero, tales que C|V, +
c¿t
¿ +
— +
cp v p
= 0
Sea y el subíndice más grande para el cual Cj * 0. SI y = 1. entonces c,V| = Q lo que es im posible porque Vi * 0 De manera que j > 1. y C|V| + --- + CyVy + 0 v y + | + ••• + Ov, = 0
Cj \ j = - c
|V |--------Cy-iVy-i
T, _ ( _ £ L ) T l + . . . + ( _ £ t i ) T;_ l
PROBLEMAS DE PRÁCTICA*
Sean
“[M H -H J ]
• i . Determine si los siguientes conjuntos son llnealmente Independientes y explique por qué: { « *}.{■. w},{«, *}.{v. w},{v, *} y (w . *}. • 2. ¿Las respuestas al problema 1 implican que {■. v. w z) es linealmente independiente?
1 .7
•a
Para determinar si {*. v. w. *} es llnealmente dependiente, ¿es aconsejable comprobar si, por ejemplo, w es una combinación lineal de ■. v y *?
•4
¿El conjunto {■. ▼. w. z) es linealmente dependiente?
EJERCICIO S*
En los ejercicios 1 a 4. determine si los vectores son linealmente independientes. Justifique cada respuesta
En los ejercicios 5 a 8. determine si las columnas de la matriz forman un conjunto llnealmente independiente. Justifique sus respuestas.
9~ 0 -3 2 1 —7 4 -5 -1 1 - 4 —2_
' -4 -3 0 -1 i i
2
1 4 -3 2 -7 5
0 1
4 -5
5
7
'
0' 5 -5 1 -1 0
1 -2 3 4 -6 0 1 -1
-2
2 2 3
En los ejercicios 9 y 10. a) ¿para qué valores de h está Vi en Gen {vi. ví). y b) ¿para qué valores de ó el conjunto {vi. v?. v*} es linealmente dependiente Justifique sus respuestas.
http://www.fullengineeringbook.net 82 of 461.
1.7
a
Independencia lineal 65
* 2 8 A es una matriz de 4 x 2. A ■* [■: « 2). y % no es múltiplo A ».
v,
* 2 8 /les una matriz de 4 x 3. A = [» • «s|. tal que linealmente independiente y «o no está en Gen {• . «t).
m
v,
es
• 27. ¿Cuántas columnas pivote debe tener una matriz de 6 x 4 si sus columnas son linealmente Independientes? ¿Por qué?
En los ejercicios l i a 14. encuentre el valor o valores de Apara los cuales los vectores son linealmente dependientes. Justifique sus respuestas.
• 28 ¿Cuántas columnas pivote debe tener una matriz de 4 x 6 si sus columnas generan a R4? ¿Por qué? • 28 Construya matrices A y B de 3 x 2 tales que Ax =* O tenga una solución no trivial, pero Bx - O tenga solamente la solu dón trivial. • 38 aj Llene el espado del siguiente enunciado: 'Si /les una matriz de m x n. entonces las columnas de A son linealmente inde pendientes si y solo si A tiene_____ columnas pivote*.
Por Inspección, determine si los vectores en los ejercicios 15 a 20 son linealmente independientes. Justifique sus respuestas. 18
[ íM lH -J ] 18.
GH1MI]
£) Explique por qué es verdadero el enunciado en a). Las ejercicios 31 y 32 deberían resolverse sin efectuar operaciones de fila. [Sugerencia: Escriba Ax - Ocomo una ecuación vectorial!. 2 -5 31. A partir de A -3 1 lumna es la suma de las id trivial de Ax = Q
3 I observe que la tercera co -1 0 1 dos primeras. Encuentre una solución
-5 4 observe que la primera 7 columna menos la segunda multiplicada por 3 es igual a la ter rera columna. Determine una solución no trivial de Ax - O
32. A partir de A En los ejercicios 21 y 22. marque cada enunciado como verdadero o falso. Justifique cada respuesta con base en una cuidadosa lectura del texto. * 21. a) Las columnas de una matriz A son linealmente independíen les si la ecuación Ax - Otiene la solución trivial. b) Si S es un conjunto linealmente dependiente, entonces cada vector es una combinación lineal de los otros vectores en S. () las columnas de cualquier matriz de 4 x 5 son linealmente dependientes. d) Si * y y son linealmente Independientes, y si {x y. *} es linealmente dependiente, entonces «está en Gen {x y}. * 2 2 .■?) Si u y v son linealmente Independientes, y si westá en Gen {m v). entonces {n. v, w) es linealmente dependiente. A) Si tres vectores en R3están en el ntismo plano en R3. enton oes son linealmente dependientes. c) Si un conjunto contiene menos vectores que entradas en los vectores, entonces el conjunto es linealmente indepen díente. d) Si un conjunto en R"es linealmente dependiente, entonces el conjunto contiene más de «vectores. En los ejercicios 23 a 26. describa las posibles formas escalonadas de la matriz. Utilice la notación del ejemplo 1 de la sección 1.2. * 2 8 A es una matriz de 2 x 2 con columnas linealmente depen dentes. * 2 4 A es una matriz de 3 x 3 con columnas linealmente inde pendientes.
En los ejercicios 33 a 38 cada enunciado es verdadero (en todos los casos) o falso (para al menos un ejemplo). Si es falso. Idee un ejem pío especifico para demostrar que el enunciado no siempre es válido. Tal ejemplo se llama contraejemplo del enunciado. Si un enunciado es verdadero, dé unajustiflcacióa (Un ejemplo especifico no puede explicar por qué un enunciado siempre es verdadero. Aquí es necesa rio realizar más trabajo que en bsejerclclas 21 y 22). • 31 SI v,.....v4están en R \ y v3 = 2v, + y^ entonces {v,. yj. yj. v4} es linealmente dependiente. * 31 Si vi y *2 ®stán en R4 y *2 no es un múltiplo escalar de yi, en tonces {V i, y ?} es linealmente Independíenle.
* 35. Si «1.....vs están en Rs y y» * O entonces {y», y?, y*. v4. vi} es linealmente dependiente. * 38 Si V|, *2, yjestán en R3 y ■y noes combinación lineal de y , entonces {yj. y?. *¡) es linealmente Independiente. • 37. Si x i.....Vi están en R4. y {vi. V2, yj} es linealmente depen dente, entonces {yj, v?. y*. v4} también es linealmente de pendiente. • 38 Si {vi.....v4) es un conjunto linealmente independiente de vectores en R4. entonces {vi, y?. v3} también es linealmente Independiente. [Sugerencia: Piense en X1V1 + x tii + «y» + 0
• V i =
O ).
* 38 Suponga que A es una matriz de m x n tal que para toda b en R® la ecuación Ax = b tiene, a k> sumo, una solución
http://www.fullengineeringbook.net 83 of 461.
66 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
Ike la definición de independencia lineal para explicar por qjé las columnas de A deben ser lineal mente Independientes.
• 40. Suponga que una matriz A de m x n tiene n columnas pivote. Explique por qué para cada b en R*" la ecuación .Ax = b tiene, a lo sumo, una solución. [Sugerencia: Explique porqué Ax - b no puede tener un número infinito de soluciones). [Mj En los ejercicios 41 y 42. utilice tartas columnas de A como sea posible para construir una matriz 5 tal que la ecuación Bx * 0 sólo tenga la solución trivial. Para comprobar su trabajo, resuelva ffc - 0 3 -4 -5 -3 4 3 8 -7
10 7 - 7 -11 2 5 4 23
-4 15 1 15
4& A
' 12 10 - 6 8 4 -1 4 ' —7 —6 4 —5 —7 9 9 9 -9 9 9 -1 8 - 4 - 3 - 1 0 - 8 1 8 7 -5 6 I - 11
41 |M | Con A y 5del ejercicio 41. seleccione una columna vde A que no se haya utilizado en la construcción de B y determine si •está en el conjunto generado por las columnas de R (Describa sus cálculos).
41 [M| Repíta el ejercicio 43 con las matrices A y 5 del ejerci cio 42. Luego, dé una explicación del resultado, suponiendo que Bse construyó de acuerdo con las especificaciones.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA
*3
L Si. En cada caso, ningún vector es múltiplo del otro. Por lo tanto, cada conjunto es lineal mente independiente.
2. No. I-a observación en el problema de práctica 1, por si misma, no dice nada sobre la Independencia lineal de {«. v. w. *}.
1.8
2
No. Cuando se comprueba la independencia lineal, por lo general es poco útil la idea de comprobar si un vector seleccionado es una combinación lineal de los demás. Puede ocurrir que el vector seleccionado no sea una combinación lineal de los otros y. aun asi, d conjunto entero de vectores sea linealmente dependiente. En este problema de práctica, w no es una combinación lineal de a. v y i
4
Si. de acuerdo con el teorema 8. Existen más vectores (cuatro) que entradas (tres) en ellos.
INTRODUCCIÓN A LAS TRANSFORMACIONES LINEALES La diferencia entre una ecuación matriclal A x = b y la ecuación vectorial asociada jnai + ••• + X/*, = b e s tan solo cuestión de notación. Sin embargo, es posible encontrar una ecuación matriclal A x = b en álgebra lineal (y en aplicaciones como gráficos genera dos por computadora y procesamiento de señales) que no esté directamente relacionada con combinaciones lineales de vectores. Esto sucede cuando se piensa en la matriz A com o un objeto que "actúa* sobre un vector «multiplicándolo para producir un nuevo vector Ax. Por ejemplo, en las ecuaciones
[ 4 - 3 [2 0
1 5 t A
se observa que la multiplicación por A transforma a x en b. y transforma a « e n el vector cero. Véase la figura 1.
http://www.fullengineeringbook.net 84 of 461.
1.8
s•
Introducción a las transformaciones lineales 67
mdt^llcaclón por A miitlpllcaciún por A
h
•
0 •
FIGURA i Transformación de vectores por
medio de multiplicación matricial.
Desde este nuevo punto de vista, resolver la ecuación A x = b equivale a encontrar todos los vectores x en R4 que se transforman en el vector b en R 2 como resultado de la "acción* de la multiplicación por A. La correspondencia de x a A x es una función de un conjunto de vectores a otro. Este con cepto generaliza la noción común de una fundón como una regla que transforma un número real en otro. Una transform ación (o función o m a p rn r d e Rn a R mes una regla que asigna a cada vector x e n R "un vector 7\x) en R®. El conjunto R "se llam a el á wwi nio de 71 y R * se llama el cndnm iniode T. La notación T : Rn -* Rffl indica que el dominio de 7”es Rn y que el codominlo es R * Para x en R" el vector 7Ix) en R mes la fanagm de x (bajo la acción de 7). El conjunto de todas las Imágenes 7(x) es el rao # » d e 71 Véase la figura 2.
Daminio FIGURA 2 Dominio, codominio y rango de 7 ':R n-* R “.
Es muy importante la nueva terminología de esta secrión porque un enfoque dinámico del producto matriz-vector es la clave para entender diversas ideas en álgebra lineal, y para construir modelos matemáticos de sistemas físicos que evoludonan en el tiempo. Estos siste mas dinámicos se analizarán en las secdones 1.10. 4.8 y 4.9. así como en el capitulo 7 en el sitio Web de este libro.
T ransform aciones m atriciales Lo que resta de esta secdón se centra en mapeos asodados con la multiplicadón m atriaal. Para cada x en R", 7(x) se calcula como Ax, donde A es una matriz de m x n. Para sim pli ficar. algunas veces esta transformación m iariáal se denota como x«-> Ax Observe que el dominio de Tes R® cuando A tiene n columnas, y el codominio de T es R® cuando cada co lumna de A tiene ///entradas. El rango de 7’es el conjunto de todas las combinaciones lineales de las columnas de A. porque cada Imagen 7{x) es de la forma A x
http://www.fullengineeringbook.net 85 of 461.
68 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
E JE M P L O 1
y defina
Sean A
una transformación T : W? x R3 por 7{x) = A x de manera que
a) Encuentre 7\m). la imagen de ■ bajo la transformación T. CS4— 1
b) Encuentre una x e n R 2cuya imagen bajo Tsea k. c) ¿Hay más de una x cuya imagen bajo 7sea k? di Determine s i « está en el rango de la transformación T. S O L U C IÓ N
a) Calcule T ( u) = A u = b) Resuelva 71x) = b para x Es decir, resuelva A x = k. o
'1 = -1 11["1 1 L*2j [51 L-sJ 3
O)
Empleando el método analizado en la sección 1.4. reduzca por filas la matriz aumen tada: ' 1 - 3 3] 3 5 2 U -1 7 -5 J Asi que xi - 1.5.
X2 =
r 1- 3 3l 0 14 - 7 U [O 4 —2 J - .5 y
r 1 —3 3 "1 0 1 - j U [O 0 o j
x = I _'5 I. La
[1 0 [O
imagen de esta
0 1 .5 ' 1 - .5 0 0
x bajo
( 2)
T e s el vector
kdado. Ó Cualquier x cuya imagen bajo Tes k debe satisfacer la ecuación (1). A partir de (2), es evidente que la ecuación (1) tiene una solución única, por lo que hay exactamente una x cuya imagen es k di 0 vector c e stá en el rango de 7si c e s la imagen de alguna x e n R \ es decir, si e = 7{x) para alguna x Esto es justamente otra manera de preguntar si el sistema Ax = c es con estente. Para encontrar la respuesta, reduzca por filas la matriz aumentada: ' 1 - 3 3 5 -1
7
3] 2 U
[ 1 -3 31 0 14 - 7 U
5_|
[_0
4
8J
[ I -3 0 I L°
3 "I 2
14 “ 7 J
—
I" 1 - 3 0 1 L°
0
3' 2 “ 35
La tercera ecuación. 0 = -3 5 . indica que el sistem a es inconsistente. De manera que c no está en el rango de T. ■ La pregunta del ejemplo le) es un problema de unicidad para un sistema de ecuacio nes lineales, traducido aquí al lenguaje de transformaciones lineales: ¿Es b la imagen de una única x en R/7 De manera similar, el ejemplo \d) es un problema de existencia: ¿Existe una x cuya imagen sea e? l^as siguientes dos transformaciones mat ricial es se pueden visualizar geométricamente. Ambas refuerzan el enfoque dinámico de una matriz como algo que transforma vectores en otros vectores. 1.a sección 2.7 incluye otros interesantes ejemplos relacionados con los gráfi cos generados por com putadora
http://www.fullengineeringbook.net 86 of 461.
1.8
Introducción a las transformaciones lineales 69
'j E JE M P L O 2
Si A =
entonces la transformación x *-* A x proyecta
puntos de Bt3sobre el plano*y*? porque
FIGURA 3
Una transformación proyeceióa
Véase la figura 3. E JE M P L O 3
Sea A
-[ i
o
La transformación T : R2 -*• R2 definida por 7{x) = Ax
se llam a una fr^afamarión de trasquilado Se puede demostrar que si Tactúa sobre cada punto del cuadrado 2 x 2 que se ilustra en la figura 4. entonces el conjunto de imágenes for ma el paralelogramo sombreado. La idea fundamental es demostrar que T mapea segmentos de recta sobre segmentos de recta (como se muestra en el ejercido 27) y después comprobar que los vértices del cuadrado se m a pean sobre los vértices del paralelogramo. Por ejemplo. la imagen del punto u = ^
j es T (u) =
1] [ ^ ] = [ 2 ] ' ^ *a ima8en & £2
es
j. ^deforma el cuadrado como si la parte superior de este se empujara 1
i borrego
hacia la derecha manteniendo fija la base. La transformación de trasquilado se presenta en física geología y cristalografía ■
borrego deformado por una traisformnclOn de trasqjüado
FIGURA 4 Una transformación de trasquilado.
T ransform aciones lineales El teorema 5 de la sección 1.4 establece que si A es de m x n, entonces la transformadón x A x tiene las propiedades i4(« + v) = Am + A y
y
/4(c«i) = cAm
para toda t v e n R "y todos los escalares c. Estas propiedades, expresadas en notación fun cional. Identifican a la más Importante clase de transformaciones en álgebra lineal. DEFINICIÓN
Una transformadón (o mapeo) Fes Kncal si: L 7{m + v) = 7[m) + 7(v) para todas las a. v e n el dominio de T, L 7\aá) = c7{») para todos los escalares c y para todas las ■ en el dominio de T.
Cada transformadón m atridal es una transformadón lineal. En los capítulos 4 y 7 (este último en el sitio Web de este libro) se analizarán importantes ejemplos de transformadones lineales que no son transformadones matridales.
http://www.fullengineeringbook.net 87 of 461.
70 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal Las transformaciones lineales preservan las operaciones de suma vectorial y multiplica ción escalar. La propiedad I dice que el resultado I\m + v) de primero sumar ■ y v e n Rn y después aplicar Tes lo mismo que primero aplicar 7 a n y v. y luego sumar 7{n) y 7(v) en R®. Esas dos propiedades conducen fácilmente a los siguientes útiles resultados.
Si T es una transformación lineal, entonces r(o = o
(3)
y 71o
í
+ dv) = c7{m) + dTly)
(4)
para todos los vectores n. v en el dominio de 7 y para todos los escalares c, d.
La propiedad (3) se deriva de la condición ü en la definicióa porque 710) = 7(0n) ■ 07{n) = Q La propiedad (4) requiere tanto de i como de B: 71rm + dv) = T(cm¡ + T(dv) = cT(w) + dT(v) Observe que si una transformación satisface la ecuación (4) para cualesquiera n v y c, d, entonces debe ser lineal. (Establezca c = d = 1 para preservación de la suma, y d = 0 para preservación de la multiplicación escalar). La aplicación repetida de (4) produce una útil generalización: 7Tc,Vi + ••• +
cpy p)
= c, r ( v ,) + — +
c p T ( y p)
(5)
En física e ingeniería, la ecuación (5) se conoce como principio de superposición. Piense que v i......\ p son señales que entran a un sistema y 7(vi)....... 7 [ \p) son las respuestas de ese sistema a las señales El sistema satisface el principio de superposición si para cualquier entrada expresada como una combinación lineal de tales señales, la respuesta del sistema es la misma combinación lineal de las respuestas a las señales individuales. En el capitulo 4 retomaremos esta idea. E JE M P L O 4 Dado un escalar r, defina 7 : R2 -> R 2 por 7(x) = rx. T se llama una con tracción cuando O s r s 1, y una «Klatarián cuando r > 1. Sea r = 3. y demuestre que T es una transformación lineal. SOLUCIÓN Sean n. v e n R 2 y sean c, d escalares. De esta forma. T (c u + d v ) = 3(cu + d \ ) = 3 cu + 3d \ = c(3u) +(3v)
Definid -nde i Aritmética vectorial
= c T (u ) + d T (y ) Así. Tes una transformadón lineal porque satisface (4). Véase la figura 5.
f ig u r a
5 Una transformación de dilatación.
http://www.fullengineeringbook.net 88 of 461.
■
1.8 E J EM PLO 5
Introducción a las transformaciones lineales
Defina una transformación T :
Encuentre las imágenes bajo Tde u =
71
-* R2 mediante
j, v = ^ jy u + v =
SOLUCIÓN
" ■ > -[;
™ - [ ! ' 2 ] [ S ] -[ 1 ]
Observe que l \ u + v). evidentemente, es igual a 7\m) + 7{v). En la figura 6 es claro que T hace girar a « . v y « + v e n e l sentido antihorario, en tomo al origen, en un ángulo de 90° De hecho, ^transform a el paralelogramo entero determinado por ■ y y en el determinado por 7í«)y 7Tv). (Véase el ejercido 28). ■
RGURA 6 Una transformación de rotación.
El ejemplo final no es geométrico, sino que muestra cómo un mapeo lineal puede trans formar un tipo de datos en otro. E JE M P L O 6 Una compañía fabrica dos productos. B y C. Utilizando los datos del ejem plo 7 de lasecdón 1.3, construya una matriz de “costo unitario’ . U = [b c). cuyas columnas describan los “costos por dólar de producdón" para ambos bienes:
[
Producto B C .45 .4 0 1 Materiales .25 .35 Mano di* obra
J
.15 .15 Gastos indirectos Sea x * (xi, xz) el vector de ‘producdón’, correspondiente a jci dólares del producto B y a *2 dólares del produdo C. y defina T : R2 -+ M3 mediante
T{x) = U x = x\
Costo total de materiales Costo total de mano de obra Costo total de gastos indirectos
El mapeo 7'transforma una lista de cantidades de producción (medidas en dólares) en una lista de costos totales. La linealidad de este mapeo se refleja de dos maneras: 1. Si la producción se incrementa en un fador de. por ejemplo. 4. de x a 4 x entonces los costos se Incrementarán por el mismo fador. de 7{x) a 4 7(x).
http://www.fullengineeringbook.net 89 of 461.
72
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal 2. Si x y y son vectores de producción, entonces el vector de costo total asociado con la producción combinada x + y es precisamente la suma de los vectores de costo 7\x) y T ly ). m
PROBLEMAS DE PRÁCTICA» 1. Suponga que 7: R 5 -♦ IR2 y 7\x) filas y columnas tiene >4? •2
Sea A =
[íjj
Axpara alguna matriz A y para cada x e n R 5. ¿Cuántas
Dé una descripción geométrica de la transformación x>-+ Ax.
• 3L El segmento de recta de 0 a un vector ■ es el conjunto de puntos de la forma m . donde O s r s 1. Demuestre que una transformación lineal 7 mapea este segmento en el seg mento entre O y 7\m¡.
1 .8
EJERCICIO S* 10
j ]■ y defina 7: R 2 -* R 2 por 7{x) = Ax.
1. SeaA = [ ^
2
1(1 A Encuentre las imágenes bajo 7"de u = [ _ * ] y v = ^ ]
! a [ i j
2 Sea A
10
11. Sean b
2
matriz del ejercicio 9. ¿bestá en el
rango de la transformación lineal x -* Ax? ¿Por qué?
Defina 7: R3 -> R1 por 7(x) = Ax Encuentre 71o> y 7fv). En los ejercicios 3 a 6. con ^definida por Tfx) = Ax. encuentre un vector x cuya imagen bajo 7sea b, y analice sí xes único.
2
-1 3 , y A la matriz del ejercicio 10. tb está en -1 4 el rango de la transformación lineal x —* Ax? ¿Por qué?
12 Sean b
A
En los ejercicios 13 a 16, utilice un sistema de coordenadas rec tangulares para graficar 4
A
Sl
a
u=[t],v=[
j-
4 Ysus Imágenes bajo
la transformación 7 dada. (Elabore un esquema grande y separado para cada ejercicio). Describa geométricamente k» que hace 7a cada vector xen R2. ia 1
& A=
Z
.
”
b=
6
14
3
10 7. Sea A una matriz de 6 x 5. ¿Qué valores de a y b permiten de finir 7: IR'-» R* mediante 7fx) = Ax?
ís
& ¿Cuántas filas y columnas debe tener una matriz A para poder definir un mapeo de R 5a R 7con la regla 7(x) = Ajü
m
Para los ejercicios 9 y 10. encuentre todos los vectores xen R* que son mapeados en el vector cero por la transformación x ►-* Ax para h matriz /I dada. & A
[i: í 3
rw-[o m *■»-[? ¡][:] *w-[S
17. Sea 7: R 2 -♦ R2 una transformación lineal que mapea u = ^ 4
j
en [ J jy rm p e a ,= [ ’ ] , „ [ j] . Considerando el hecho de que 7'es lineal, encuentre las Imágenes bajo 7 de 2u 3v y 2o + 3*
http://www.fullengineeringbook.net 90 of 461.
1.8 1& l a figura muestra los vectores u, v y w, junto con las imá genes I\ú- y 7(v) bajo la acción de una transformación lineal T : R* -♦ R2. Copie esta figura cuidadosamente, y dibuje la imagen de 7(w) con la mayor exactitud posible. [Sugerencia: Primero, escriba w como una combinación lineal de u y t )
Introducción a las transformaciones lineales
73
2 1 Una transformación afín T : R"-> R®tiene la forma 71») = Ax + b donde /tes una matriz de m x ny bestá en R®. Demuestre que T no es una transformación lineal cuando b y O (1as trans formaciones afines son Importantes en los gráficos generados por computadora). 25. Dados x # O y p en R". la recta que pasa por p en la dirección d? ▼tiene la ecuación paramétrica x - p + /y. Demuestre que una transformación lineal T : R "—►R" mapea esta recta sobre otra reda o sobre un solo punto (una recta degenerada).
28. 4 Demuestre que la recta que pasa por los vectores p y q
¿ ] y sea
la
en R"se puede escribir en la forma paramétrica x = (I óp + ^ (Consulte la figura de los ejercicios 21 y 22 de la sección 1.5). b) El segmento de recta de pa qes el conjunto de puntos de la forma (1 - óp 1- tq para 0 t ^ 1 (como que se muestra en la figura de abajo). Demuestre que una transformación lineal Trapea este segmento de reda sobre un segmento de recta o sobre un solo punto.
T : R2 -►R2 una transformación lineal que mapea t\ en yt. y en 2Ü
Encuentre las Imágenes de
S*anx=
[ j y [ j.
[*í]’ V| = [ _s ]y Tj = [ - 2 ] ysear:RZ->R2
una transformación lineal que napea xen X|*, + x¿t2. Encuen tre una matriz A tal que 7(x) sea Ax para cada x En los ejercicios 21 y 22. marque cada enunciado como verdadero o falso. Justifique sus respuestas. 21. a) Una transformación lineal es un tipo especial de función b) Si /les una matriz de 3 x 5, y fes una transformación defi nida por 71*) - A x entonces el dominio de fe s R3. d Si A es una matriz d e v n x n entonces el rango de la trans formación x*-* Ax es R®. d) Cada transformación lineal es una transformación matrie tal. e) Una transformación Tes lineal si y solo si 7to*, + q *2) = ci7I*i) + ciH*,) para cualesquiera *i y y? en el dominio de 7y para todos los escalares C| y Q. 22. a) 0 rango de la transformación x - * /lates el conjunto de ta das las combinaciones lineales de las columnas de A b) O da transformación matridal es una transformación lineal. d Si 7: R"-» R*es una transformación lineal y si cestá en R“. entonces una pregunta de unicidad es: '¿Está een el rango de TT. di Una transformación lineal preserva las operaciones de suma vectorial y multiplicación escalar, ej Una transformación lineal T : R" -♦ R“ siempre mapea el origen de R"al origen de Rm. 23. Defina f : R -* R por /{x) = rnx + b. a) Demuestre que fes una transformación lineal cuando 6 - 0 . b) Encuentre una propiedad de una transformación lineal que * viole cuando b * 0. d ¿Por qué /se llama una función lineal?
* 27. Sean o y v vectores linealmente independientes en R \ y sea P el plano que pasa por u v y • 1.a ecuación paramétrica de Pes * = su + ív (con s. ten R). Demuestre que una transformación lineal T : R3-* R3mapea /Vibre un plano a través de O, o sobre ma recta que pasa por O. o justo sobre el origen en R3. ¿Qué se puede dedr acerca de 71») y T[v) para que la imagen del plano Psea un plano? * 28. Sean u y v vectores en R°. Es posible demostrar que el conjun to Pde todos los puntos en el paralelogramo determinado por u y v tiene la fo rra aa + bt. para O s a s 1. 0 s b s 1. Sea T : R "-» R " una transformación lineal. Explique por qué la tragea bajo la transformación T, de un punto en Pestá en el paralelogramo determinado por T[nl y 7{v). 2Bl Sea T : R? -* R2la transformación lineal que refleja cada pun to a través del eje x¡. Elabore dos esquemas semejantes a la fi gara 6. que ilustren las propiedades I y Id e una transformación lineal. 30. Suponga que los vectores yj.....y,generana R".yque r :R ° - * R° es una transformadón lineal. Considere que 7fxJ = 0 para / - !.....p. Demuestre que Tes la transformadón ceso. Es dedr, demuestre que si xes cualquier vector en R'l entonces 7(x} = O 31. Sea T : R "-» R® una transformación lineal, y sea {»,. y?. v:<} un empunto linealmente dependiente en R". Explique por qué el conjunto {Tí»]). Tfri). 7(yj)) es linealmente dependiente. En los ejercicios 32 a 38. los vectores columna están escritos como filas, como x = t*i. *2). y 7(a) se escribe como 7l*i. xj). 32. Demuestre que la transformación T definida por 7X*i. xj) ■ Ui - 2jj 2l.X| - ix2) no es lineal. 33. Demuestre que la transformación T definida por 7Ui. x¡) = Orí - 2x2, xi - 3. 2*1 - 5*2) no es lineal.
http://www.fullengineeringbook.net 91 of 461.
74
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
34. Sea T : R3 -♦ Rs la transformación que refleja a cada vector x - Ui. J&.xí) a través del planoxs = 0 sobre 7(x) = (xi.J5. -X*). Demuestre que Tes una transformación lineal [Para algunas ideas, véase el ejemplo 4). 35. Sea T : R3 -* R3 la transformación que proyecta a cada vector * = Ui. *2. xí) sobre el plano xt =» 0. de manera que 7(x) Ui. 0. xj). Demuestre que 7es una transformación lineal. 38. Sea T : R" -►R“ una transformación lineal. Suponga que (u *} es un conjunto linealmente independiente, pero {71o). 7(*)} es un conjunto linealmente dependiente. Omuestre que 7(x) - 0 tiene una solución no trivial. [Su/ferrrtcw.- Considere el hecho d? que C| 7[u) + £*71*) - Opara algunos pesos c, y c2. sin que ambos sean iguales a cero],
’ 2 -7 -3 -9
37.
5 -5 ' 3 7 0 0 4 1 3 3 -6 -4
'3 4 -7 5 -8 7 6 -8 6 9 -7 -2
0‘ 4 4 0
8 7 3ft IMI Sea b y sea A la matriz del ejercicio 37. 5 -3 ¿Está b en el rango de la transformación x -*• >4*? SI es asi, obtenga una x cuya Imagen bajo la transformación sea b 4 -4 y sea la matriz del ejercicio 38. 48 [MI Sea b
|M) En los ejercicios 37 y 38. las matrices determinan una transfor maclón lineal T. Encuentre todas las «tales que 71*) = O
-4
-7 ¿Está b en el rango de la transformación x /tx? Si así es. encuentre una xcuya imagen bajo la transformación sea b
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA ^
L
A debe tener cinco columnas para que A x esté definido. A debe tener dos filas para que d codomlnlo de Testé en IR2.
&
Dibuje algunos puntos aleatorios (vectores) sobre papel milimétrico para ver qué ocurre. Un punto com o (4. 1) se mapea en (4, - 1 ) . 1.a transformación *►-+ Ax refleja los puntos a través del eje x (o eje xt).
a
Sea x = /■ para alguna / tal que O s / s l . Como T es lineal, entonces 7{im) = rT[m), que es un punto sobre el segmento de linea entre O y 7(«).
A■ »
•
1 J1*1 .l 1
5 »i
• 4x
Ay ■
la transformación *►-» Ax
1.9
MATRIZ DE UNA TRANSFORMACIÓN LINEAL Siempre que una transformación lineal T se origina geométricamente o se describe con pa labras. surge el deseo de tener una 'fó rm u la' para 7\x¡. El análisis que sigue muestra que cada transformación lineal de R" a R * en realidad es una transformación matricial x - * Ax. y que importantes propiedades de T están íntimamente relacionadas con propiedades de A. La clave para encontrar A es observar que T está plenamente determinada por su acción so bre las columnas de la matriz identidad de n x n i »
E JE M P L O 1
L as columnas de
son
*2
-W
y
Suponga
que T es una transformación lineal de R2 a R3 tal que
H e ,) =
y
Sin otra información adicional, encuentre una fórmula para la imagen de una x arbitraria en R2.
http://www.fullengineeringbook.net 92 of 461.
1.9
Matriz de una transformación lineal
75
SOLUCIÓN Escriba
Como Tes una transformación lineal, T ( x ) = x i T ( t i ) + x 2T ( t 2 )
(2)
El paso de la ecuación (1) a la ecuación (2) explica por qué el conocimiento de 7f«») y T fa) es suficiente para determinar 7f*) para cualquier x Además, ya que (2) expresa a como una combinación lineal de vectores, podemos colocar esas vectores en las columnas de una matriz A y asi escribir {2) como 7*(x) = [ r ( e , )
TEOREMA 1 0
1W ] [ £ ] - *
S e a T : R ° - > Jtmuna transformación lineal. Asi. existe una única matriz A tal que T[x¡ = A x
para toda x e n R"
De hecho. A es la matriz de m x n cuya j-ésim a columna es el vector 7{«>). donde ^ es la j-ésim a columna de la matriz identidad en ¡R°: ¿-[7 W
DEMOSTRACIÓN Escriba x = lidadde 7"para calcular T ( x ) = T ( jcid
(«i
•••
-
7M1
e,]x = *i«i
(3)
+ ••• + x ^ . y utilice la linea-
+---+*«e„) = A r ir ( e i) + -+ x B7(en) Xl
= [7(e,)
T ic ,) ]
En el ejercicio 33 nos ocuparemos de la unicidad de A.
=
Ax
■
La matriz A en (3) se llama matriz estándar para b tr— i — a d b b a l T. Ahora se sabe que cada transformación lineal de R °a R wpuede verse como una transfor mación matricial, y viceversa. El término transformación linealse enfoca sobre una propie dad de un mapeo. mientras que la transformación matricial describe cómo se implementa tal rnapeo, lo que se ilustra en los ejemplos 2 y 3. E J EM PLO 2 para x en R2.
Encuentre la matriz estándar A para la transformación de dilatación 7Ix) = 3 x
http://www.fullengineeringbook.net 93 of 461.
76 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal SOLUCIÓN Escriba
7-(e,) = 3e, = [ ¿ ]
y
r
3« = [ ° ]
L
J
EJ EM PLO 3 Sea 7': R2 -* R2la transformación que hace girar a cada punto de R2alre dedor del origen un ángulo
] gira a [ . ^ ^ ] • y [ ¿ ] gira a [
Véase la figura 1. Por el teo
rema 10. eos tp sen tp
- s e n tp eos tp
H ejemplo 5 de la sección 1.8 es un caso especial de esta transformación, con
t t
/
2.
■
1(0.1) (-sen * eos*) / \V * / 5 ' (eos*. sen*) i i ^ 9 i i n í.o) rgura 1 Una transformación de rotación
T ransform aciones lineales geom étricas de IR2 jo j
HGURA2 El cuadrado unitaria
I.os ejemplos 2 y 3 Ilustran transformaciones lineales que se describen geométricamente. Las tablas 1 a 4 muestran otras transformaciones lineales geométricas comunes del plano. Como las transformaciones son lineales, estas quedan completamente determinadas por su acción sobre las columnas de k . En vez de solo mostrar las imágenes de y e . las tablas indican cómo una transformación afecta a un cuadrado unitario (figura 2). Es posible construir otras transformaciones diferentes a partir de las listadas en las ta blas l a 4; basta aplicar una transformación tras otra. Por ejemplo, un trasquilado horizontal podría ir seguido de una reflexión en el eje x2. La sección 2.1 mostrará que tal composición de transformaciones lineales es lineal. (También, véase el ejercicio 34).
Preguntas de existencia y unicidad H concepto de transformación lineal ofrece una nueva manera de entender las preguntas de existencia y unicidad que se plantearon antes. Las dos definiciones que aparecen después de las tablas 1 a 4 aportan una terminología adecuada para las transformaciones.
http://www.fullengineeringbook.net 94 of 461.
1.9
TABLA 1
Matriz de una transformación lineal
Reflexiones
T h n tfo rn n c lta
In n ^ n dH cuadrado unitario
Matrfa n tá n d r
Reflexión a través del eje X|
Reflexión a través del eje x?
Reflexión a través de la recta xj - xi
^
Reflexión a través de la recta x* *» -x i
Reflexión a través del origen
http://www.fullengineeringbook.net 95 of 461.
]
77
78 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
TABLA 2
Contracciones y expansiones (M c u a c a d o la É a rio
Contracción y expansión horizontal
J■i
ji
[*0 1?!
i]
[i] \ ------------------------ x\
r p oi —
Ííl
' k> l
0
Contracción y expansión wrtical
0 *
]
TABLA 3 Trasquilados Ihnfcrw iritM
i del cuadk~aik> unitario
Trasquilado horizontal
M atriz
[í]
IJ't [f] i i i [i] *<0
Irasqullado vertical
http://www.fullengineeringbook.net 96 of 461.
M¿] Jt> o
[i
*]
1.9
TABLA 4
Matriz de una transformación lineal
Proyecciones
TVandcranrióa
In n ^m d rl cuadrado unitario
Proyección sobre dejejt,
*2
Proyección sobre
*2
M atriz nstárakr
f1 [o
°1
oj
]
d e je *2
DEFINICIÓ N
79
Se dice que un mapeo T : R" -► R® es safare R® si cada fa en R® es la imagen de a l m en o s una x en R".
De manera equivalente. T es sobre R® cuando todo el rango de Tes codominio R®. Es decir. T mapea R" sobre R® si. para cada fa en el codominio R®. existe al menos una solución de 7(x) = b. “¿ T mapea Resobre R"7’ es una pregunta de existencia. El mapeo T no es sobre cuando existe alguna b en R* para la cual la ecuación 7\x) = b no tiene solucióa Véase la figura 3.
Tnots sobre R®
fessobre R®
FIGURA 3 ¿El rango de Tes todo 01*7
DEFINICIÓ N
Se dice que un mapeo T : R" a lo su m o una x en R".
R® es uno a uno si cada b en R® es la imagen de
http://www.fullengineeringbook.net 97 of 461.
80 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
De manera equivalente. T es uno a uno si. para cada b en IR®, la ecuación 7¡x) = b tiene una única solución o ninguna solución. “¿ T e s uno a uno?" es una pregunta de unicidad. El mapeo T n o es uno a uno cuando algún b en IR®es la imagen de m i de un vector en IR'’. Si no existe tal b. entonces T es uno a uno. Véase la figura 4.
RGURA 4
¿Cada bes la Imagen de a lo sumo un vector?
Las transformaciones de proyección que se ilustran en la tabla 4 n o so n uno a uno y no mapean R;' sobre R2. Las transformaciones en las tablas 1, 2 y 3 son uno a uno/si mapean R2 sobre R2. Otras posibilidades se muestran en los dos ejemplos siguientes. El ejemplo 4 y los teoremas que siguen muestran cómo las propiedades funcionales de ser un mapeo sobre y uno a uno están relacionadas con importantes conceptos estudiados antes en este capitulo. E JE M P L O 4
Sea 71a transformación lineal cuya matriz estándares 1 -4 A =
0 0
8
2 -1 0 0
¿ T mapea IR4 sobre R3? ¿7es un mapeo uno a uno? SOLUCIÓN Como A está en forma escalonada, podemos ver a la vez que A tiene una posi ción pivote en cada fila. De acuerdo con el teorema 4 de la sección 1.4. para cada b en R3. la ecuación A x = b es consistente. En otras palabras, la transfonmación lineal Tmapea R4 (su dominio) sobre R3. Sin embargo, ya que la ecuación A x = btlcnc una variable libre (porque hay cuatro variables y solamente tres variables básicas), cada bes la Imagen de más de una x Es decir. 7’/wesunoauno. ■
TEOREM A 11
S e a 7 ':R n -*R®una transformación lineal. Entonces T es uno a uno si y solo si la ecuación 7(x) - •tiene únicamente la solución trivial.
DEMOSTRACIÓN Como T e s lineal. T{9) = 0 Si T es uno a uno. entonces la ecuación 7{x) = Otiene a lo sumo una solución y. por lo tanto, solo la solución trivial. Si T n o es uno a uno. entonces existe una b que es la imagen de al menos dos diferentes vectores en Rfl. por ejemplo, a y v. Es decir, 7W = b y 71v) = b. Pero, como Tes lineal. T(m - v) = T(m - T(w) ■ b - b = 0 El vector a - v no es cero porque a * v. En consecuencia, la ecuación 7(x) = Otiene más de una solución. Así. las dos condiciones del teorema son ambas verdaderas o ambas son falsas. ■
http://www.fullengineeringbook.net 98 of 461.
1.9
TEOREMA 12
Sea F: De esta forma.
Matriz de una transformación lineal 8 1
una transformación lineal y sea A su matriz estándar.
a) T mapea Rnsobre R®si y solo si las columnas de A generan a R®: ti) Fes uno a uno si y solo si las columnas de A son linealmente independientes.
DEMOSTRACIÓN a ) De acuerdo con el teorema 4 de la sección 1.4. las columnas de A generan a R" si y solo si para cada b en R® la ecuación A x = b es consistente; en otras palabras, si y solo si para cada b. la ecuación 7{x) = b tiene al menos una solución. Esto es cierto si y solo si T
mapea R” sobre R®. b) Las ecuaciones 7{x) - O y A x = O son iguales excepto por la notación. Asi. de acuerdo con el teorema 11. Fes uno a uno si y solo si A x = Otiene únicamente la solución trivial. Esto ocurre si y solo si las columnas de A son linealmente independientes, como ya se indicó en el enunciado (3) del recuadro en la sección 1.7. ■ El enunciado a) del teorema 12 es equivalente al enunciado Tm apea Resobre R® si y solos! cada vector en R“ es una combinación lineal de las columnas de A '. Véase el teorema 4 de la sección 1.4 En el siguiente ejemplo y en algunos ejercicios posteriores, los vectores columna están escritos en filas, comox = (*i, *2). mientras que 7(x) se escribe como 7{xi. *2) en vez de em plear la manera más formal 7f(*[, *2)). •2 •1
EJEMPLO 5 Sea F(*|, x2) = (3*| + x2, 5*1 + 7x2, x x + 3*2). Demuestre que Fes una transformación lineal uno a uno. ¿Fmapea R2 sobre R3? SOLUCIÓN Cuando x y 7{x) se escriben como vectores columna, es posible determinar por Inspección la matriz estándar de T, visualizando el cálculo fila-vector de cada entrada en A x
A
La transformación Fno es sobre R3.
Asi, T es claramente una transformación lineal; su matriz estándar A se muestra en (4). Las columnas de A son linealmente independientes porque no son múltiplos entre si. De acuerdo con el teorema \2ti), T es uno a uno. Para determinar si Fes sobre R3, examine el espado generado por las columnas de A. Como A es de 3 x 2. las columnas de A generan a R 3 si y solo si A tiene 3 posidones pivote, de acuerdo con el teorema 4. Esto es imposible, ya que A solo tiene 2 columnas. Asi. las columnas de A no generan a R3, y la transformadón lineal asociada no es sobre R3. ■
PROBLEMA DE PRÁCTICA*
•Sea F : R 2 R 2 la transformadón que primero efectúa un trasquilado horizontal que mapea e en «t> - .5®i (pero deja inalterado a a ) , y después refleja el resultado a través del eje x 2. Suponiendo que Fes lineal, encuentre su matriz estándar. (Sugerencia: Determine la ubicadón final de las imágenes de e, y «*).
http://www.fullengineeringbook.net 99 of 461.
82
CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
1 . 9 EJERCICIOS* Bi los ejercicios 1 a 10. suponga que Tes una transformación lineal. Encuentre la matriz estándar de T.
*z
1. T : R2 -» R4. 71*i) = (3. 1. 3. 1) y 7(*) = ( - 3 2. 0. 0). donde e, - ( l . 0 ) y * - < 0 . 1).
¿ 7: R» R* 7W - (1. 4). 7fe) - (-2. 9) y 7fe) - (3. -8). donde «i.
y e, son las columnas de la matriz identidad de
3x3. 3. T: Oí -> R*es una transformación de trasquilado vertical que trapea «i en « - 3tt. pero deja Inalterado a
4. T : R* -♦ R7 es una transformación de trasquilado horizontal qje no altera a i
y mapea ^ en ^ + 2«i
T: R?-* W2hace girara los puntos (en tomo al origen) a través de un ángulo de jt/ 2 radianes (en sentido antihorario).
En los ejercicios 15 y 16. llene las entradas fallantes de la matriz, suponiendo que la ecuación es válida para todos los valores de las variables.
& 7 : R2—♦ (R2 hace girar a los puntos (en tomo al origen) a través efe un ángulo de -3 w /2 radianes (en el sentido horario). 7. 7 : H* -* IR* primero hace girar puntas a través de —3rr/4 ra
dares (en el sentido horario) y después los refleja a través del eje horizontal X|. {Sugerencia: Considere que 7"(e>) = (—1/> /2.1/ V2)\. & T : IR2 -+ R2 primero realiza una transformación de trasquilado horizontal que transforma a en + 2«» (dejando Inalterado a « ) y después refleja los puntos a través de la recta X2 • -x \. 9i T : R2 -* R2primero refleja los puntos a través del eje horizontal jT] y luego las hace girar - n /2 radiares.
Eh los ejercicios 17 a 20. demuestre que Tes una transformación li neal encontrando una matriz que Implerrente el mapeo. Observe que xi. x».... no son vectores, sino entradas en vectores. 17. 7Xxi. X2, xs. x<) ® Ui + 2 x2 .0. Zxí + x*. X2 - x«) lft 7Xn. X2) = Ui + 4x 2. 0. x\ - 3 x2. X|)
10l T : R2 -* (R2 primero refleja las puntos a través del eje horizon tal xi y luego los refleja a través de la recta X2 ■ x¡.
lft
11.
2ft 7\xi. X2, xs. X4) - 3xi + 4xj - 2x4(Observe que: T: R4-> IR)
Una transformación lineal T : R2-> ¡R2 primero refleja los pun ios a través del eje xj y luego los refleja a través del eje xj. Demuestre que ftambiénse puede describir como una transfor mación lineal que hace girar los puntos en tomo al orige a ¿Cuál es el ángulo de esa rotación?
12. Demuestre que la transformación del ejercicio 10 es meramente uta rotación en tomo al origen. ¿Cuál es el ángulo de rotación? •13. Sea T : R2 -♦ R2 la transformación lineal tal que 7(«0 y 7(«t) son los vectores que se muestran en la figura. Con base en la figura, dibuje el vector 7(2. 1).
14. Sea T : R2 -» R2 una transformación lineal con matriz estándar / * [a, % j. donde ^ y a ¿ s e muestran en la figura, en la parte superior de la columna 2. Utilizando la figura, dibuje la imagen (fe í _ *1 bajo la transformación T.
TXxri. X2. xs) = Cti - 5x2 + 4x.i, X2 - 6x 3)
21. Sea T : IR2 -* R2 una transformación lineal tal que 7X*i. xj) = txi + X2. 4xi + 5x2). Encuentre «tal que 7\«) - (3. 8). 22 Sea T : IR2 -* R5 una transformación lineal con 7Xxi, x¿) = (2xj - X2. -3 x i + X2. 2ti - 3x2). Encuentre x tal que 7 W - Í O . - 1 .- 4 ) . Eh los ejercicios 23 y 24. marque cada enunciado como verdadero o febo. Justifique sus respuestas. • 23 a) Una transformación lineal T :\5 f-* R*está completamente determinada por sus efectos sobre las columnas de la matriz identidadde n x n. b) Si T : R 2 - » R2 hace girar los vectores un ángulo
R*es sobre R"si cada vector x en R" se mapea sobre algún vector en R*7. e) SI A es una matriz de 3 x 2. entonoes la transformación x>~* Ax no puede ser uno a uno. * 21 a) Si A es una matriz de 4 x 3. entonces la transformación x*-* Ax mapea IR3 sobre R4.
http://www.fullengineeringbook.net 100 of 461.
1.9 b) Cada transformación lineal de R" a Rmes una transforma ción matriclal. 4
Las columnas de la matriz estándar para una transformación lineal dp R" a R® son las Imágenes de las columnas de la matriz identidad de n x n bajo T. d) Un mapeo T : R"—* Rmes uno a uno si cada vector en R" * mapea sobre un único vector en R“. 4 La matriz estándar de una transformación de trasquilado horizontal de R2a R2tiene la forma
j, donde a y b
son ±1. En los ejercicios 25 a 28, determine si la transformación lineal espe cificada es a) uno a uno o b) sobre. Justifique cada respuesta.
33. Orifique la unicidad de A en el teorema 10. Sea T : R" -+ R*
ina transformación lineal tal que 7(x) - ¿fcpara alguna matriz 7?d e m x n Demuestre que si A es la matriz estándar de T, entonces A - B. [Sugerencia: Demuestre que A y Atienen las mismas columnas]. 34 Sean 5 :
-* R° y T : Rff -♦ R® transformaciones lineales. Demuestre que el mapeo x •-* 7\S(x)) es una transformación lineal (de R? a R"). [Sugerencia: Calcule 7TS(oi + d*)) para a v en R ' y escalares c y flf Justifique cada paso del cálculo, y explique por qué este proceso conduce a la conclusión daseada).
* 35. Si una transformación lineal T : R" -* R® mapea R" sobre R*. ¿es posible encontrar una relación entre m y rí? Si Tes uno a uno. ¿qué se puede decir acerca de m y rí? * 38 ¿Por qué la pregunta "¿La transformación lineal Tes sobre?’ es una pregunta de existencia?
2 8 La transformación en el ejercicio 17.
La transformación en el ejercicio 2.
¡Mj En los ejercicios 37 a 40. sea 71a transformación lineal cuya matriz estándar se presenta En los ejercicios 37 y 38. determine si Tes un mapeo uno a uno. En los ejercicios 39 y 40, determine si T mapea R5sobre R5. Justifique sus respuestas.
27. La transformación en el ejercido 19.
28 La transformación en el ejercicio 14. En los ejercicios 29 y 30. describa las posibles formas escalonadas de la matriz estándar para una transformación lineal T. Utilice la no tación del ejemplo 1 de la sección 1.2 29 T: R ^ R * es uno a uno.
Matriz de una transformación lineal 83
* 38 T: R4-* R3es sobre.
6 -5 -6 * 8 3 -3 9 5 -1 2 2 7 -1 2
'- 5 8 2 .-3
38
31. Sea r :R " -tR ® u n a transformación lineal, y sea A su matriz estándar. Complete el siguiente enunciado para hacerlo verda dero: ' 7es uno a uno si y solo si A tiene____ columnas pivo te*. Explique por qué el enunciado es verdadero. [Sugerencia: Consulte los ejercicios de la sección 1.7}.32
4 -7 3 7 6 -8 5 12 - 7 10 - 8 - 9 4 2 3 -5 _- 5 6 -6 -7
5" -8 14 -6 3,
32. Sea T : R" -* R® una transformación lineal, y sea A su matriz estándar. Complete el siguiente enunciado para hacerlo verda dero: *fmapea Rc sobre R® si y solo si A tiene______ co lumnas pivote’. Encuentre algunos teoremas que expliquen por qué el enunciado es verdadero.
5 6 ‘ 9 43 14 15 - 7 - 5 - 8 - 6 12 - 5 9 -5 -6 -4 13 14 15 3
-I" 4 -9 8 II
' 7 5 5 6 4 8 -ó - 6
9 —9" 4 -4 0 7 6 5
SOLUCIÓN AL PROBLEMA DE PRÁCTICA Observe lo que ocurre a e y e . Véase la figura 5. Primero. *i no sufre alteraciones por el trasquilado y después se refleja en - • * . Asi. 7(«0 = - * j. Segundo, ^ va a - .5«j por
^
^
Transió nnacKn
Reflexión a través del eje
FIGURA 5 Composición de dos transformaciones.
http://www.fullengineeringbook.net 101 of 461.
84 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal la transformación de trasquilado. Como la reflexión a través del eje xz cambia a ** en y deja inalterado a el vector ^ - ,5«i va a «t + .5«i. Asi, 7I«g) = + .5®]. Por lo tanto, la matriz estándar de T es
[ H e ,)
1.
7*(e2) ] = [ - e ,
e, + .5e, ] =
**]
M O D E L O S LIN EA LES EN L O S N E G O C IO S , C IEN CIA E IN G EN IERÍA
En esta sección todos los modelos matemáticos son lineales, es decir, cada uno de ellos des cribe un problema mediante una ecuación lineal, por lo general en forma vectorial o matridal. El primer modelo concierne al campo de la nutrición, pero en realidad es representativo de una técnica general en problemas de programación lineal. El segundo modelo pertenece al campo de la Ingeniería eléctrica. El tercer modelo introduce el concepto de una ecuación lineal en áferencias. una poderosa herramienta matemática para estudiar procesos dinámicos en una amplia variedad de campos, como ingeniería, ecología, economía, telecomunicacio nes y ciencias administrativas. Los modelos lineales son importantes porque los fenómenos naturales con frecuencia son lineales o casi lineales cuando las variables implicadas se man tienen dentro de limites razonables. Además, los modelos lineales se adaptan más fácilmente al cálculo computacional que los complejos modelos no lineales. Conforme estudie cada modelo, preste atención en cómo su linealidad refleja alguna propiedad del sistema que se modela.
Elaboración de una dieta nutritiva para bajar de paso WEB i -------'
La fórmula para la dieta Cambridge, una conocida dieta de la década de 1980, se basó en años de investigación. Un equipo de científicos, encabezados por el doctor Alan H. Howard, desa rrollaron esta dieta en la Universidad de Cambridge después de más de ocho años de trabajo dlnico con pacientes obesos.1 I-a fórmula de la dieta baja en calorías combina un balance preciso de carbohidratos, proteínas de alta calidad y grasa, junto con vitaminas, minerales, oligoelementos y electrolitos. Millones de personas han seguido la dieta para lograr una rápi da y sustancial pérdida de peso. Fbra alcanzar las cantidades y proporciones deseadas de nutrientes. Howard tuvo que incorporar una gran variedad de alimentos en la d ieta Cada alimento suministraba varios de los ingredientes requeridos, pero no en las proporciones correctas. Por ejemplo, la le che sin grasa (descremada) fue la principal fuente de proteína, pero contenia mucho calcio. De manera que se utilizó harina de soya para aportar proteina porque contiene poco cal cio. Sin embargo, proporcional mente la harina de soya contiene mucha grasa, asi que se adicionó suero de leche porque contiene menos grasa en relación con el calcio. Por desgracia, el suero de leche contiene muchos carbohidratos... El siguiente ejemplo ilustra el problema a pequeña escala. En la tabla 1 se listan tres de los ingredientes en la dieta, junto cotí las cantidades de ciertos nutrientes aportados por 100 gramos (g) de cada ingrediente.2 E JE M P L O 1 Si es posible, encuentre alguna combinación de leche descremada, harina de soya y suero de leche que aporte las cantidades exactasde proteínas, grasas y carbohidratos suministrados por la dieta diaria (tabla 1).
1H primer anuncio de este rápido régimen para bajar de peso se publicó en el tUrmaicnaJ Journal oí Cbcsily 0978) ft 321 332. * Ingredientes en la dieta desde 1984; datos de nutrientes «i Ingredientes adaptados del LEDA Agriniltural Handbooks, nútnv 8-1 y 8-8.1976,
http://www.fullengineeringbook.net 102 of 461.
1.1 0
Modelos lineales en los negocios, ciencia e Ingeniería 85
TABLA 1 dan par lOOgdr intpedk-nte Suero H vka de leche de soya
L id » Nutriente
Caritidadesfeng radbporlidkta
Proteínas
36
51
13
33
Carbohidratos
52
34
74
45
0
7
Grasa
3
l.l
SOLUCIÓN Dejemos que x\. xz y xg. respectivamente, denoten el número de unidades (100 g) de esos alimentos. Un enfoque al problema consiste en deducir ecuaciones por separado para cada nutriente. Por ejemplo, el producto
1
*1 unidades de 1 fproteínas por unidad 1 leche descremada} [de leche descremada}
da la cantidad de proteína suministrada por x\ unidades de leche descremada A esta cantidad, le agregaríamos productos similares de harina de soya y suero de leche, igualando la suma resultante con la cantidad de proteina que se requiere. Se tendrían que realizar cálculos sim i lares para cada nutriente. Un método más eficiente, y más sencillo conceptual mente, consiste en considerar un “vector nutriente" para cada alimento y elaborar solo una ecuación vectorial. La cantidad de nutrientes aportados por xi unidades de leche descremada es el múltiplo escalar
{
Escalar V edar *, unidades de I (nutrientes por unidad | leche descremada) [de leche descrem ada} “ 't|a i
(1)
donde m es la primera columna de la tabla 1. Sean a? y los vectores correspondientes para harina de soya y suero de leche, respedivamente, y sea b el v ed o r que lista el total de nutrien tes requerido (la última columna de la tabla). Luego. x 2»¿ y *3» , dan los nutrientes sum inis trados por x? unidades de harina de soya y *3 unidades de suero de leche, respedivamente. De esta forma, la ecuación relevante es
*ia, + x2% + x
a
=b
(2)
La reducdón por filas de la matriz aumentada del sistema de ecuadones correspondiente indica que 36 52 0
51 34 7
13 33' 74 45 1.1 3
n Lo
0 1 0
0 0 1
.277 .392 .233
A tres dígitos significativos, la dieta requiere .277 unidades de leche descremada. .392 uni dades de harina de soya y .233 unidades de suero de leche, oon el objetivo de aportar las cantidades deseadas de proteínas, carbohidratos y grasa. ■ Es importante que los valores encontrados para X \ , x2 y x3 no sean negativos. Esto es necesario para que la solución sea físicamente realizable. (Por ejemplo, ¿cómo se podrían emplear -.2 3 3 unidades de suero de leche?) Para un gran número de requerimientos nutrí cionales. será necesario utilizar un mayor número de alimentos para así generar un sistema de ecuaciones con una solución 'n o negativa". Por consiguiente, se necesitaría examinar muchísimas combinaciones diferentes de alimentos para encontrar un sistema de ecuaciones con tal solución. De hecho, el diseñador de la dieta Cambridge fue capaz de proporcionar 31 nutrientes en cantidades precisas empleando solo 33 ingredientes. El problema de la elaboración de la dieta conduce al sistema lineal (2) porque la cantidad de nutrientes aportada por cada alimento se puede escribir como un múlt iplo escalar de un vec tor. como en (1). Es decir, los nutrientes suministrados por un al Imento son proporcionales a la
http://www.fullengineeringbook.net 103 of 461.
86 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal cantidad del alimento agregado a la mezcla de la dieta. Además, cada nutriente en la mezcla es la suma de las cantidades de los diversos alimentos. I .os problemas de formulación de dietas especializadas para humanos y ganado ocurren con frecuencia. Por lo regular, dichos problemas se tratan mediante técnicas de programación lineal. Nuestro método de construir ecuaciones vectoriales a menudo simplifica la tarea de formular tales problemas.
Ecuaciones lineales y redes eléctricas WEB 1 El flujo de corriente en una red eléctrica sencilla se puede describir por un sistema de ecua-------■ dones lineales. Una fuente de voltaje, como una batería, genera una corriente de electrones que fluye a través de la red. Cuando la corriente pasa por un resistor (ya sea una bombilla o un motor), parte del voltaje se ‘ consume'*; de acuerdo con la ley de Ohm, esta ‘calda de voltaje* en el resistor está dada por V = Rl
donde el voltaje / s e mide en volts, la resistenda R e n ohms (denotados con el símbolo íl). y el flujo de corriente / en amperes (A). La red de la figura 1 contiene tres drcuitos cerrados. Las corrientes que fluyen en los drcuitos 1. 2 y 3 se denotan con /,, h c /3, respectivamente. L as dircedones asignadas a las corrientes do circuito son arbitrarias. Si una corriente resulta negativa, entonces la direcdón real del flujo de corriente es opuesta a la que se indica en la figura. Si la direcdón de corriente que se muestra se aleja del lado positivo de una batería (-jt-). alrededor del lado negativo, entonces el voltaje es positivo: de otra forma, el voltaje es negativo. E3 flujo de corriente en un circuito está regido por la siguiente ley. LEY DE KIRCHHOFF SOBRE a VOLTAJE La suma algebraica de las caldas de voltaje R Ien una direcdón alrededor de un drcuíto es Igual a la suma algebraica de las fuentes de voltaje en la misma direcdón alrededor del circuito.
E JE M P L O 2
Determine las com entes de drcuito en la red de la figura 1.
SOLUCIÓN Para el drcuito 1 la corriente /, fluye a través de tres resistores, y la suma de las caldas de voltaje R I es 4 / , + 4 / , + 3 /, = ( 4 + 4 + 3)/, = 11/, La corriente en el circuito 2 también fluye en parte del circuito 1. por la pequeña rama entre A y B. Ahi la calda R I asodada es 3 /2 volts. Sin embargo, la direcdón de corriente para la rama A B en el drcuito 1 es opuesta a la elegida para el flujo en el drcuito 2. de manera que la suma algebraica de todas las caldas /?/para el drcuito 1 es 11 /, - 2>k- Como el voltaje en el drcuito 1 es + 30 volts, la ley de voltaje de Kirchhoff implica que U /i - 3 /2 = 3 0 La ecuación para el drcuito 2 es rgura
i
-3 /, +
- h = 5
El término - 3 / , viene del flujo de la corriente del circuito 1 por la rama A B (con una cal da de voltaje negativa porque ahí el flujo de corriente es opuesto al flujo en el circuito 2 ). El término es la suma de todas las resistencias en el circuito 2, multiplicada por la corrien te del drcuito. El término - 1 * h proviene de la corriente del drcuito 3 que fluye por el resistor de 1 ohm en la rama CD, en la direcdón opuesta al flujo en el drcuito 2. La ecuad ó n para el drcuito 3 es - h + 3/3 = - 2 5
http://www.fullengineeringbook.net 104 of 461.
1.1 0
Modelos lineales en los negocios, ciencia e Ingeniería 87
Observe que la batería de 5 volts en la rama CD se cuenta como parte de los circuitos 2 y 3, pero se considera de - 5 volts para el circuito 3 debido a la dirección elegida para la corriente en el circuito 3 . 1.a batería de 20 volts es negativa por la misma razón. Las corrientes de circuito se encuentran resolviendo el sistema II/, - 3 / 2 - 3 / , + 6/ 2 -
=
30
h=
5
(3)
/2 + 3 /j = —25
-
Las operaciones de fila sobre la matriz aumentada conducen a la solución: /, = 3 A, h = 1 A e k = - 8 A. El valor negativo de k indica que la corrienle real en el circuito 3 (luye en la dirección opuesta a la que se muestra en la figura 1. ■ Es conveniente observar el sistema (3) como una ecuación vectorial:
[-IH - íH R H \
t ri
j
]
(4)
r,
La primera entrada de cada vector concierne al primer circuito, y de manera similar para la segunda y tercera entradas. El primer vector resistor r, lista la resistencia en los diversos circuitos por donde fluye la corriente Una resistencia se registra como negativa cuando /, fluye contra la dirección de flujo en otro circuito. Examine la figura 1 y vea cómo calcular las entradas en n ; luego, haga lo mismo con y ís . La forma matricial de la ecuación (4).
R \ = v.
donde.
R = [ r,
r2 r3J
i = I"7' I /2
e
u da una versión matricial de la ley de Ohm. Si todas las corrientes de circuito se seleccionan en la misma dirección (por ejemplo, en sentido antihorario), entonces todas las entradas fuera de la diagonal principal de serán negativas. De una mirada, la ecuación matricial /3 = ▼permite distinguir fácilmente la linealidad de este modelo. Por ejemplo, si se duplica el vector voltaje, entonces lo mismo ocurre con el vector corriente. Además, es válido el principio do superposición. Es dedr. la solución de la ecuación (4) es la suma de las soluciones de las ecuaciones
r 30! L °J 0
.
**»
*0“ 5 0
y
m
=
r °i
0 L - 25J
Cada ecuación aquí corresponde al circuito con una sola fuente de voltaje (las otras fuentes se remplazan con los alambres que cierran cada circuito). El modelo para el flujo de co rriente es lineal porque precisamente las leyes de Ohm y de Kirchhoff son lineales. La calda de voltaje en un resistor es proporcional a la corriente que fluye por él (Ohm). y la sum a de las caldas de voltaje en un circuito iguala a la suma de las fuentes de voltaje en el circuito (Kirchhoff). I^ s corrientes de circuito en una red se pueden emplear para determinar la corriente en cualquier rama de la red. Si solo una corriente de circuito pasa por una rama, como de B a D e n la figura 1. la corriente de la rama es igual a la corriente de circuito. Si más de una corriente de circuito pasan por una rama, como de A a B. la corriente de rama es la suma algebraica de las corrientes de circuito en la rama (ley de Kirchhoff sobre la corriente). Por ejemplo, la corriente en la rama AB cs /, - k = 3 - 1 = 2 A. en la dirección de /,. La corrien te en la rama C D es /2 - /3 = 9 A.
http://www.fullengineeringbook.net 105 of 461.
88 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
Ecuaciones en diferencias En muchos campos, como ecología, economía e Ingeniería, surge la necesidad de modelar matemáilcamcnte un sistema dinámico que cambia en el tiempo. Diversos aspectos del siste ma se miden en intervalos de tiempo discretos, produciendo asi una secuencia de vectores Z|. *2.... Las entradas en x¿ brindan información sobre el esfatfodel sistema en el momento de la A-ésima medición. Si existe una matriz A tal que Xt = Amq, x ? = Ax¡ y. en general. x*+i = A xt
para
¿ * 0 .1 ,2 ,...
(5)
entonces (5) se llama wariftn Kne-al en íf«rendas (o rdadán de remrrandai Con esta ecuación, se pueden calcular x,. x¿, y asi sucesivamente, si Xose conoce. Las secciones 4.8 y 4.9, así como algunas otras del capitulo 7 (en el sitio Web de este libro), desarrollarán fórmulas para x¿ y describirán qué ocurre a xí conforme Ase Incrementa indefinidamente. El análisis que se presenta a continuación ilustra cómo puede originarse una ecuación en diferencias. Un tem a de interés para los demógrafos es el movimiento de poblaciones o grupos de gente de una región a otra. El modelo sencillo que se incluye aquí considera los cambios en la población de una cierta ciudad y sus suburbios durante un periodo de años. R je un año inicial — por ejemplo, 2000— y denote las poblaciones de la ciudad y los suburbios de ese año mediante r0 y Sq. respectivamente. Sea Xo el vector de población Población de la ciudad. 2000 Población suburbana. 2000 Para 2001 y los años subsiguientes, denote las poblaciones de la ciudad y de los suburbios mediante los vectores
* •-[* :]•
* * -[£ ]•
*
Nuestro objetivo es describir matemáticamente cómo podrían estar relacionados esos vecto res. Suponga que estudios demográficos revelan que. cada año. cerca del 5% de la población de la ciudad se muda a los suburbios (lo que significa que el 95% permanece en la ciudad), mientras que el 3% de la población suburbana cambia su residencia a la ciudad (en tanto que el 97% permanece en los suburbios). Véase la figura 2.
FIGURA 2 Porcentaje anual de migración entre la ciudad y los suburbios.
Después de un año. los habitantes originales de la ciudad, ro. están ahora distribuidos entre la ciudad y los suburbios como
[.9.055r*0 1J _
r .95 "1 ffermanecen en la ciudad r °[_ .05 J Se mudan a les suburbios
...
Los habitantes de los suburbios en 2000,.%. están distribuidos un año después como Se mudan a la ciudad Permanecen en los suburbios
http://www.fullengineeringbook.net 106 of 461.
(7)
1.1 0
Modelos lineales en los negocios, ciencia e Ingeniería 89
Los vectores en (6) y (7) explican cómo se distribuye la población en 2001 3 Asi.
[«M SM SH ;
95 05
Es decir, = M*o
{8)
donde M e s la m atriz éearfgracJáH determinada por la siguiente tabla: De: Ciudad Suburbios A: [.9 5 [.0 5
.0 3 ] . 97 J
Ciudad Suburbios
La ecuación (8) describe cómo cambió la población de 2000 a 2001. Si los porcentajes de migración permanecen constantes, entonces el cambio de 2001 a 2002 está dado por *2 = Mx 1 y. de manera similar, de 2002 a 2003 y en los años subsiguientes. En general, x*. i = M x í
para
k = 0. 1. 2 ....
(9)
I>a secuencia de vectores {r*,. x u r^,.. .} describe las poblaciones de la ciudad y los suburbios durante un periodo de años.
E JE M P L O 3 Calcule la población de la región que se acaba de describir para los años 2001 y 2002. considerando que la población en el año 2000 era de 600,000 habitantes en la ciudad y de 400,000 en los suburbios. SOLUCIÓN La población inicial en 2000 es xo =
X'
r .95 [.0 5
400 000 J ^ara
. 0 3 ] r 600,000] _ [5 8 2 .0 0 0 ] .97 J [400,000 J [ 418,000 J
Para 2002, _ _ T .95 x2 _ M%\ - |^ 05
f
.03 ] r 582.000 ] _ 565.440 ] .97 J [ 418.000 J [ 434.560 J
El modelo para el movimiento poblacional en (9) es linca! porque la correspondencia
x¿>-* x*f | es una transformación lineal. La linealidad depende de dos hechos: el número de personas que eligen cambiar su residencia de una área a otra es proporcional al número de personas en esa área, como se muestra en (6) y (7), y el efecto acumulativo de esas elec ciones se encuentra sumandoe\ movimiento de las personas de las diferentes áreas.
PROBLEMA DE PRÁCTICA Encuentre una matriz A y vectores x y b tales que el problema del ejemplo 1 signifique resol ver la ecuación A x = b
3Para simplificar.seIgnoran «ros factores que Influyen en la pohladón. como naclmlenios. muertes y movimientos migratorios hada la reglón que cómprente la ciudad y los suburbios, asi como hacia fuera de ella
http://www.fullengineeringbook.net 107 of 461.
90 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
1 . 1 0 EJERCICIOS* 1. Por lo regular, el empaque de un cereal indica el número de calorías y las cantidades de proteínas, carbohidratos y grasa contenidas en una porción del producto. A continuación se dan las cantidades para dos cereales comunes. Suponga que se pre parará una mezcla de eses dos cereales, de manera que contenga exactamente 295 calorías. 9 g de proteínas. 48 g de carbohidra tos y 8 gde grasa. a) Establezca una ecuación vectorial para este problema. In cluya un enunciado que explique el significado de cada va riable empleada en la ecuación. Ü) Escriba una ecuación matricial equivalente, y determine si es posible preparar la mezcla deseada de los dos cereales. Infurmarkn n u t r í r i i d p«r cada porción K l_ < t « nmuipnic
General M3k Clwrins*
Quaker’' 100% Nsdural Cereal
no
130
Calorías fVoteínas (g) Carbohidratos (g) Oasa (g)
Mac and Cheese a Aimle's Whole Wheat Shells and Whlte Cheddar (pasta integral y queso cheddar). ¿Qué proporcio nes de cada alimento deberla emplear para lograr los mismos objetivos que en el inciso a)? * 4 La dieta Cambridge aporta .8 g de calcio por día. además de los nutrientes listadas en la tabla 1del ejemplo 1.1j r cantidades de calcio por unidad (100 g) que aportan los tres ingredientes en la dieta Cambridge son las siguientes: 1.26 gde leche descremada. . 19 gde harina de soya y .8 gde suero de leche. Otro ingrediente en la mezcla de la dieta es proteina aislada de soya, que aporta los siguientes nutrientes en cada unidad: 80 g de proteínas. 0 g de carbohidratos. 3.4 g de grasa y . 18 g de calcio. a) Establezca una ecuación matricial cuya solución determine fas cantidades de leche descremada, harina de soya, suero de leche y proteína aislada de soya necesarias para suministrar tes cantidades precisas de proteínas, carbohidratos, grasa y calcio en la dieta Cambridge. Indique qué representan las variables de la ecuación.
4
3
b) [Mj Resuelva la ecuación en a) y analice la respuesta.
20
18
2
5
Eh las ejercicios 5 a 8. escriba una ecuación matricial que determine las corrientes del circuito. [M] Si dispone de MATLAB o de algún otro programa de matrices, resuelva el sistema para las corrientes del circuito.
2. Una porción de Shredded Wheat aporta 160 calorías. 5 gde pro teína. 6 gde fibra y i gde grasa. Una porción de Crispix* aporta 110 calorías. 2 g de proteina.. 1 g de fibra y .4 g de grasa, a) Establezca una matriz B y un vector «tal que Bmdé las can tidades de calorías, proteínas, fibra y grasa contenidas en una mezcla de tres porciones de Shredded Wheat y dos porciones de Crispix. b [M] Suponga que se desea un cereal con más fibra que Crispix pero con menos calorías que Shredded Wheat. ¿Es posible que una mezcla de ambos cereales proporcione 130 calorías. 3.20 g de proteina. 2.46 g de fibra y .64 g de grasa? Si es posible, ¿cuál es la mezcla? a
Después de tomar una clase sobre nutrición, una consumidora asidua de los productos de Anníe's®. a quien le gusta el producto Mac and Cheese (macarrones con queso), decide mejorar los ni veles de proteina y fibra en su almuerzo favorito agregando bró coli y pollo enlatado. 1.a información nutridonal de los alimentos mencionados en este ejercido se Índica en la siguiente tabla. i nutrkiraai per cada porción Nutriente
Calorías Proteína (g) Fibra (g)
Mar and Che»n e
Brócoli
Pollo
S bdh
270
51
70
260
10
5.4
15
9
2
5.2
0
5
a» [M] Si ella quiere limitar su almuerzo a 400 calorías, pero desea obtener 30 g de proteina y 10 g de fibra, ¿qué propor ciones de Mac and Cheese. brócoli y pollo deberla utilizar? b¡ [MI Ella encontró que no habla mucho brócoli en las pro porciones del Inciso a). asi que decidió cambiar del clásico
http://www.fullengineeringbook.net 108 of 461.
1.1 0
50 V
40 V
Modelos lineales en los negocios, ciencia e Ingeniería 9 1
12 [M] Budget* Rent A Car en Wichlta, Karsas, tiene una flotilla de 500 vehículos, distribuidos en tres sucursales. Un auto ren tado en una sucursal puede devolverse en cualquiera de las tres. Las diversas fracciones de autos devueltos a las tres sucursales re muestran en la matriz que aparece a continuación. Suponga que un lunes hay 295 autos en el aeropuerto (o que se rentan ahí), 55 autos en la sucursal de la zona este, y 150 automóviles en el establecimiento de la zona oeste. ¿Cuál será la distribución aproximada de autos para el miércoles? Autos rentados en: Aeropuerto Este Oeste Devueltos en: .10] Aeropuerto r.9? .05 .00 .90 Este .05 .05 .85j Oeste L-03
•l i (M) Sean A/y*oforno en el ejemplo 3. a) Calcule los vectores poblacionales Analice sus hallazgos. a
Fn cieña región. cada año. cerca del 7% de la población de una ciudad se muda a los suburbios, y alrededor del 5% de la po hlacián suburbana cambia su residencia a la ciudad. En 2010, había 800.000 residentes en la ciudad y 500.000 en los subur bios. Establezca una ecuación en diferencias que describa esta situacióa donde «o sea la población inicial en 2010. Luego, es time las poblaciones en la ciudad y en los suburbios dos años después, es decir, en 2012. (Ignore otros factores que podrían influir en el tamaño de las poblaciones).
1 ft Cada año. en cierta reglón, cerca del 6% de la población de una ciudad se muda a los suburbios, y alrededor del 4% de la pobla dón suburbana se muda a la ciudad. En 2010. habia 10.000.000 dp residentes en la ciudad y 800,000 en los suburbios, Esta blezca una ecuación en diferencias que describa esta situación, donde ^ sea la población inicial en 2010. Luego, estime las poblaciones en la ciudad y en los suburbios dos añas después, «s decir, en 2012.
“11.
En 1994. la población de California era de 31,524.000 habitan tes, y la población que vivía en Estados Unidas, pero fuera de California, era de 228,680.000 habitantes. Durante el año. se estimó que 516.100 personas se mudaron de California a otro lugar en Estados Unidos, mientras que 381.262 personas se mu daron a California desde diversos lugares del país.4
para k » 1..... 20.
ti) Repita el inciso a) considerando una población inicial de 350,000 en la ciudad y 650,000 en los suburbios. ¿Qué encontró?
•14L [M] Estudie cómo ios cambias en las temperaturas de los bordes de una placa de acero afectan a las temperaturas en los puntos interiores de la placa. á) Comience porestlmar las temperaturas 7”,. T2, T$, pencada uno de los conjuntos de cuatro puntos de la placa que se señalan en la figura En cada caso, el valor de Tt se aproxl ma mediante el promedio de las temperaturas en los cuatro puntos más cercanos. Consulte los ejercicios 33 y 34 de la sección 1.1. donde los valores (en grados) son (20. 27.5, 30, 22.5). ¿Cómo se relaciona esta Usta de valores con los resultados obtenidos para los puntos en los conjuntos *) y # ? ti) Sin efectuar cálculo ¿qué ocurre can las temperaturas In lerlores en á) cuando todas las temperaturas en los bordes se multiplican por 3? Compruebe su suposición. í)
Finalmente, haga una conjetura general sobre la correspon dencla de la lista de ocho temperaturas en los bordes con la lista de las cuatro temperaturas Interiores.
a) Establezca la matriz de migración para esta situacióa utili zando cinco lugares decimales para las tasas de migración entrante y saliente de California. Explique cómo obtuvo la matriz de migración b) M | Calcule las poblaciones proyectadas para el año 2000 en California y en otras partes de Estados Unidos, suponiendo que las tasas de migración no cambian durante el periodo de 6 años. (Esos cálculos no toman en cuenta nacimientos, mienes o la migración sustancial de personas a California y a otros lugares de Estados Unidos provenientes de otros países).
4 Dales de migración svmlnbtrados por la Unidad de ItM StlgK ttn Demográ fica del Departamento de Finanzas del estado de California.
Haca
20*
A
20*
http://www.fullengineeringbook.net 109 of 461.
P la ca /?
0*
0*
1
2
4
3
10* 10* ti)
40* 40*
92 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
SOLUCIÓN AL PROBLEMA DE PRÁCTICA 36 52 0
51 34 7
13 74 1.1
.
x =
XI
U J
.
b=
'3 3 ' 45 3
C A P Í T U L O 1 EJERCICIOS C OM PLEM EN TAR IO S 1. fvfarque cada enunciado como verdadero o falso. Justifique sus e s puestas. (Si el enunciado es válido, cite hechos o teoremas pertinentes. Si es falso, explique por qué o dé un contraejem pío que muestre por qué el enunciado no es verdadero en cada caso). a) Cada matriz es equivalente por filas a una única matriz en forma escalonada. ¿í Cualquier sistema de o ecuaciones lineales con o variables tiene a lo sumo «soluciones. (j Si un sistema de ecuaciones lineales tiene dos soluciones di ferentes, debe tener un número infinito de soluciones. d) Si un sistema de ecuaciones lineales no tiene variables li bres. entonces tiene una solución única. e) Si una matriz aumentada [A b se transforma en \C d mediante operaciones elementales de fila, entonces las ecua ckmes Ax = b y Cx = d tienen exactamente los mismos conjuntos solución. /) Si un sistema Ax = btiene más de una solución, entonces lo mismo sucede con el sistema Ax - O íj)
Si A es una matriz de m x « y la ecuación Ax = bes con sistente para alguna b, entonces las columnas de A generan aR -
fi) Si una matriz aumentada [A b| se puede transformar en una forma escalonada mediante operaciones elementales de fila, entonces la ecuación Ax = bes consistente. /) SI las matrices A y flson equivalentes por filas, tienen la misma forma escalonada reducida. J) La ecuación Ax - Otiene la solución trivial si y solo si no hay variables libres. Ki Si A es una matriz de m x «y la ecuación Ax - bes con sistente para cada b en R®. entonces A tiene m columnas pivote. /) Si una matriz A de m x n tiene una posición pivote en cada Ala. entonces la ecuación Ax = b tiene una solución única para cada benR®. ni Si una matriz A de n x n tiene n posiciones pivote, enton ces la forma escalonada reducida de A es la matriz identidad de n x n . ri) SI A y son matrices de 3 x 3 con tres posiciones pivote cada una. entonces A se puede transformar en B mediante operaciones elementales de fila.
c) Si A es una matriz de m x a si la ecuación Ax ■> bdene al menos dos soluciones diferentes, y si la ecuación Ax = c es consistente, entonces la ecuación Ax - c tiene muchas soluciones. p) Si A y #son matrices de m x «equivalentes por filas y sí las columnas de A generan a R“ . entonces también lo hacen las columnas de B q) Si ninguno de los vectores en el conjunto S = ( tj. v>. y} en R3 es un múltiplo de los otros vectores, entonces S es hnealmente independiente. r) Si {a v. w) es Hnealmente independiente, entonces u v y w no están en R2. s) En algunos casos, es posible que cuatro vectores generen aR J /} Si « y vestánen R”. entonces -« e stá en Gen {u v). tí Si u x y wson vectores diferentes de cero en R2. entonces w es una combinación lineal de u y v. v) Si w es una combinación lineal de ■ y ven R°. entonces ■ (5 una combinación lineal de v y w. w) Supongamos que v,. ^ y » 3 están en RJ. v? no es múltiplo de v,. y y, no es una combinación lineal de v, y v?. Por lo Onto, {vj, y.. v3} es Hnealmente Independiente. jc)
Una transformación lineal es una función.
y) Si Aes una matriz de 6 x 5. la transformación lineal x*-» Ax no puede mapear R5sobre R°. z) Si A es una matriz de m x neón m columnas pivote, en tonces la transformación lineal x -* Ax es un mapeo uno aunó. £ Sean a y ¿números reales Describa los posibles conjuntos so lución de la ecuación (lineal) ax = b. [Sugereruia: El número de soluciones depende de a y A). 2 Las soluciones U. y z) de una sola ecuación lineal ax + by+ c z B d forman un plano en R3cuando a. b y c no son todos cero. Cons truya conjuntos de tres ecuaciones lineales cuyas gráficas a) se intersecan en una sola recta, b) se intersecan en un solo punto, y c) no tienen puntos en común. Las siguientes figuras muestran ^áfleas características.
http://www.fullengineeringbook.net 110 of 461.
C a p itu lo
1 E je rc ic io s c o m p le m e n ta r io s
93
4 Defina una transformación lineal T adecuada utilizando la matriz en A). y replantee el problema en términos de T. & Describa las posibles formas escalonadas de la matriz A. Use la notación del ejemplo 1 de la sección 1.2. a) A es una matriz de 2 x 3 cuyas columnas generan a R2. b) A es una matriz de 3 x 3 cuyas columnas generan a R3. TYcs planos se Intersecan en una recia
T tts planos se Intersecan a i un punto
*0
b)
a
j como la suma de dos vectores, uno sobre
Escriba el vector la recta {(*. y = x /2 ).
y m 2x) y el otro sobre la recta {(r. )):
l t t Sean * . * y k los vectores en IR7 que se muestran en la figura, y sea A m [a¡ *?]. ¿Tiene solución la ecuación Ax - b? Si es asi. ¿es única la solución? Explique su respuesta
11. Construya una matriz /I de 2 x 3, que no esté en forma escalona (k de manera que la solución de Ax = Osea una recta en R3. 4 Suponga que la matriz coeficiente de un sistema lineal de tres ecuaciones con tres variables tiene una posición pivote en cada columna. Explique por qué el sistema tiene una solución ¿mica. i
Determine h y k tales que el conjunto solución del sistema: L es un conjunto vacio, i i contiene una solución única, y BL contiene un número Infinito de soluciones. a)
jfi + 3xj = k 4jt| + hx2 = 8
b) —2x¡ + hxj = 1 6*t + k x 2 = - 2
12. Construya una matriz A de 2 x 3, que no esté en forma escalo nada. de manera que la solución de Ax - Osea un plano en R1. 13. Escriba la forma escalonada reducida de una matriz A de 3 x 3 d» manera que las primeras dos columnas de A sean columnas pivote y
14 Determine el valor o valores de a de manera que
& Considere el problema de determinar si el siguiente sistema de ecuaciones es consistente: 4* i - 2 .n +
{ [ <2] . [ ü ' ^ 2 ] l * a linealmente Independiente. 15. En a) y ti, suponga que los vectores son llnealmente indepen de ntes ¿Qué puede dedr acerca de los números a .... /? Justi fique sus respuestas. {Sunertrukc Utilice un teorema para ¿)).
7*, = - 5
8* i — 3 * i + IO*j = - 3 ^ Defina vectores adecuados, y replantee el problema en tér minos de combinaciones lineales. Luego, resuélvalo. b) Defina una matriz adecuada y replantee el problema utili zando la frase “columnas de A". 4 Defina una transformación lineal / adecuada empleando la matriz en b), y exponga el problema en términos de T. 7. Considere el problema de determinar si el siguiente sistema de ecuaciones es consistente para toda bi. bi. by: 2*, - 4*2 - 2*, = b, -5*1 +
*2 +
d e t 0 / 0 0 _ . 1. Con base en el teorema 7 de la sección 1.7. explique por qué las columnas de la matriz A son llnealmente Independientes. a 0 0
la
b , c 0
a 1
d c
0 0 8 9
b c • 1
o0 0 10
X} =
7 * | — 5*2 — 3*2 “ by
á) Defina vectores adecuados y replantee el problema en térmi nos de Gen {*». v3}. Luego, resuélvalo. b) Defina una matriz adecuada y replantee el problema utili zando la frase “columnas de A'.
17. Explique por qué un conjunto {vi. v3, xí) en R* debe ser llnealmente independiente cuando {*i. v?. tj ) es llnealmente Independiente y*« /joestáen Gen 1& Suponga que {Y i.^Jes un conjunto llnralmente independiente en R". Demuestre que {▼,. *i * también es llnealmente In (fependiente.
http://www.fullengineeringbook.net 111 of 461.
94 CAPÍTULO 1 la
Ecuaciones lineales en álgebra lineal
Suponga que *i. * 2. tj son distintos puntos sobre una linea en R3. La recta no necesita pasar por el origen Demuestre que {*i. ¥ 3} es linealmente dependiente.
24 la siguiente ecuación describe una rotación de Glvens en R3. Encuentre a y A. a2 + A2 = 1
ZO. Sea T : R" -» R " una transformación lineal, y suponga que 7W = ▼.Demuestre que 7f-n) = —t O . Sea T : R 3 -» R 3 una transformación lineal que refleja cada vector a través del plano xz = 0. Es decir, 7Ui. x1. xs) = Ui. - x 2. x3). Encuentre la matriz estándar de T. 22. Sea A una matriz de 3 x 3 con la propiedad de que la transfor marión lineal x ~ Ax mapea R3sobre R3. Explique por qué la transformación debe ser uno a uno. 23L Una rotación de Givenses una transformación lineal de R"a R" empleada en programas de cómputo para crear una entrada cero en un vector (por lo general, una columna de una matriz). La matriz estándar de una rotación de Clvens en R2 tiene la forma
[; 1 }
23l Un gran edificio de apartamentos se construirá empleando técni cas de construcción modular. El arreglo de los apartamentos, en cualquier piso en particular, se selecciona a partir de tres planes básicos, ní plan A tiene 18 apartamentos en un piso, incluyendo 3 unidades de 3 recámaras, 7 unidades de 2 recámaras, y 8 unlefedes de I recámara. Cada piso del plan ^incluye 4 unidades de 3 recámaras. 4 unidades de 2 recámaras, y 8 unidades de 1 re cámara. Cada piso del plan Oiene 5 unidades de 3 recámaras. 3 unidades de 2 recámaras, y 9 unidades de 1recámara. Suponga que el edificio tiene un total de xi pisos del plan A, xz pisos del plan B. y * pisos del plan C. él ¿Qué interpretación puede darse al vector x,
Encuentre a y Atales que
J gire a
^ j.
A) Escriba una combinación lineal formal de vectores que ex prese el número total de apartamentos de una. dos y tres re cámaras del edificio. c) |M| ¿Es posihle diseñar el edificio con exactamente 66 uni dades de tres recámaras. 74 unidades de dos recámaras, y 136 unidades de una recámara? Si es asi. ¿existe más de una forma de hacerlo? Explique su respuesta.
Una rotación de Glvens en IR2. WEB
http://www.fullengineeringbook.net 112 of 461.
Autoevaluación 95
A U TO E V ALU AC IÓ N 1. Para el sistema de ecuaciones
X t+ X j + x ,
6
=
x , - x , = -2
jr, + 3Xj = 11 a) ( - 1 , 2. - 3 ) es solucióa b) No hay solución. c) (0. 1 . 2) es solución. d ) {1 . 2 ,3 ) es solución. 2.
Encontrar la forma escalonada reducida de la matriz
1 2
4 5 -9
-3
-5 -A 9
l
2
-1 2
4
2
3. La siguiente matriz es la matriz aumentada de un sistema de ecuaciones lineales.
1 0 0
6 0 0
6 0 0
-1
2
-4
3
5 4
0
-2
-8
a) Si el sistema es consistente determinar la solución o las soluciones y en caso contrario determinar por qué es inconsistente. b) Si las variables son jri. X2. x$, xs, determinar cuáles de éstas son básicas y cuáles libres. e)
Si hay una infinidad de soluciones, escribir las soluciones en forma vectorial para métrica.
-14 3 yb = 3 . Determinar si b s e puede escribir como com 3 12 binación lineal de sti y %¿. En otras palabras, determinar si existen pesos x\ y x i tales que * i ®i + *2% = b Para cada inciso determinar si la ecuación Ax = b es consistente para todos los valores posibles de b\, b¡ y Ag. En caso de no serlo determinar todos los valores posibles de b\. y ¿3 para los cuales si hay solución. En caso de que haya una infinidad de soluciones, escribirlas en forma vectorial paramétrica.
-1
4
4
S ean ai =
1 . Jfe = -2
1 a) Sean A
-2 3
4 b) Sean A = 1 -1
-3 5 -4
2 -1
yb =
AJ
- 6 .
-1 3 y* 3
A 4
Y : A
UJ
Determinar si la columnas de la matriz siguiente forman un conjunto linealmente inde pendiente. -2 4 1 4 0 -4 7 12 2 i' 7. ¿Para qué valores de b los vectores dientes?
-6 y v = 1
http://www.fullengineeringbook.net 113 of 461.
-4 24 son linealmente indepenb
96 CAPÍTULO 1
Ecuaciones lineales en álgebra lineal
5 6 2 .w = 2 yz = -3 6
& ¿Para qué valores de h los vectores i
24 -8 son lineal AJ
mente dependientes? La población de una ciudad en 2010 fue de 600000 habitantes, mientras que la pobla ción de los suburbios en 2000 era de 900000. Si se supone que los estudios demográficos muestran que cada año 5% de la población de la ciudad se mueve a los suburbios (el 95% se queda en la ciudad) y que el 2% de la población de los suburbios se mueve a la ciu dad (el 98% restante se mantiene en los suburbios). Calcular la población de la ciudad y de los suburbios en el año 2012 si se ignoran los nacimientos, muertes y demás movi mientos de población. i a Si T es una transformación lineal de R3 a IR2 tal que T{ej) =
7 te ) =
y
encuentra la imagen del vector z =
I L Sea T: R4 -♦ R3 la transformación lineal cuya matriz estándar es A
r?) Calcular la Imagen del vector v =
Determinar un vector cuya imagen sea z c)
T{e2) =
19 25 -21
Encontrar un vector distinto de cero cuya imagen sea el cero.
http://www.fullengineeringbook.net 114 of 461.
1 -2 3 -A -9 1
-1
-2 3
http://www.fullengineeringbook.net 115 of 461.
¿m
Álgebra de matrices COMPETENCIAS A DESARROLLAR 1
Manejar las matrices, sus operaciones y propiedades para modelar y resolver adecuadamente problemas de aplicación en ingeniería, administración, economía, computación, etcétera.
2
Utilizar las matrices, sus operaciones y propiedades, con la finalidad de representar y resolver problemas de aplicación de sistemas de ecuaciones lineales en las áreas de administración, economía, ingeniería, matemáticas, etcétera.
ACTIVIDADES DE APRENDIZAJE ♦ Calcular la suma de matrices y la multiplicación de una matriz por un escalar. Identificar cuándo dos matrices pueden multiplicarse; calcular la multiplicación. ♦ Enunciar y ejemplificar las propiedades de las operaciones de matrices. Identificar distintos tipos de matrices: cuadradas, triangulares superiores, triangulares inferiores, diagonales, identidad, simétricas, de banda, de \tendermonde. entre otras. Identificar las matrices elementales, sus propiedades y su relación con las operaciones elementales por renglón en la solución de sistemas de ecuaciones lineales. Identificar cuándo es conveniente particionar una matriz y cómo hacerlo. Definir y determinar la existencia de la inversa de una matriz. ♦ Calcular la inversa de una matriz utilizando el método de Gauss-Jordán y comprobar que A~XA = a a ' = l. Relacionar la existencia de la inversa de una matriz con la dependencia o independencia lineales de sus vectores columna. Definir el concepto de matriz mal condicionada. Calcular la inversa de distintos tipos de matrices: matrices diagonales, triangulares, particionadas y factorizadas (LU). Utilizar software matemático para el cálculo de la inversa de una matriz A x = b. ■ Resolver problemas de aplicación de matrices.
ACTIVIDADES DE APRENDIZAJE ♦ Representar sistemas de ecuaciones lineales como ecuaciones matriciales de la forma A x = b. Resolver los sistemas de ecuaciones utilizando la inversa de la matriz del sistema, cuando esta exista. Analizar las características de un sistema de ecuaciones lineales y elegjr el método de solución adecuado (inversa, eliminación gaussiana o GaussJordan) para resolverlo. Relacionar la existencia de la inversa de una matriz con la solución de un sistema de ecuaciones. Resolver problemas de aplicación de sistemas de ecuaciones e interpretar las soluciones. Analizar y resolver problemas relacionados con el modelo de Leontief. ♦ Encontrar la factorización LU de una matriz, cuando esta exista. ♦ Resolver sistemas de ecuaciones utilizando la factorización LU de la matriz del sistema y analizar la eficiencia computadonal de este método de solución.
http://www.fullengineeringbook.net 116 of 461.
COMPETENCIAS A DESARROLLAR 3 Comprender el concepto de subespacio vectorial de R " como una estructura algebraica e identificar los subespacios que se pueden asociar a una matriz. 4 Construir bases de un subespacio utilizando las operaciones de vectores. 5 Determinar la dimensión de un subespacio. ACTIVIDADES DE APRENDIZAJE ♦ Identificar si un conjunto de vectores es o no un subespacio vectorial de R°. ♦ Encontrar el espacio nulo de una matriz. Encontrar el espacio columna de una matriz. Defina- y encontrar distintas bases para subespacios vectoriales dados. ♦ Determinar si un conjunto de vectores es base de un subespacio vectorial. Definir y determinar la dimensión de un subespacio vectorial. ♦ Determinar el rango de matrices. ♦ Determinar la existencia de la Inversa de una matriz utilizando el concepto de rango. Resolver un sistema de ecuaciones y determinar la dimensión del espacio solución.
t
Se sugcre trabaja* los problemas marcados con un punto primero en forma Individual y. luego, discutirlos con todo el grnpo y el profesor.
t
lo s ejercidos marcados oon un asterisco deben trabajarse en ooteboraddn con los comporteros de dase. Se sugere formar cxU'pos de dos o tres cstudontes.
6 Aplicar las transformaciones lineales y sus
propiedades para representarlas con matrices. 7 Relacionar las operaciones de matrices con las operaciones de transformaciones lineales. ACTIVIDADES DE APRENDIZAJE Representar una transformación lineal como una matriz. Encontrar matrices de transformación. ♦ Proporcionar la inversa de una transformación lineal. Aplicar las transformaciones lineales a los gráficos por computadora. Relacionar la composición de transformaciones lineales con el producto de matrices.
http://www.fullengineeringbook.net 117 of 461.
ORGANIZADOR GRÁFICO
http://www.fullengineeringbook.net 118 of 461.
Modelos de computadora en el diseño de aeronaves
Para diseñar la siguiente generación de aeronaves comerciales y militares, los ingenieros de Boeing’s Phantom Works usan el modelado tridimensional (3D) y la dinámica de fluidos computacional (DFC). De esta manera, estudian el flujo de aire alrededor de un avión virtual para responder importantes preguntas de diseño antes de crear los modelos físicos. Este método ha reducido en forma drástica los tiempos y costos del ciclo de diseño; y el álgebra lineal desempeña un papel de suma importancia en el proceso. La aeronave virtual comienza como un modelo matemá tico "de alambre" que existe solo en la memoria de la compu tadora y en las terminales de presentación gráfica. (Se muestra el modelo de un Boeing 777). Este modelo matemático organiza e influye en cada paso del diseño y la manufactura de la aeronave, tanto en el exterior como en el interior. El análisis de DFC concierne a la superficie exterior. Aunque tal vez el acabado exterior de la aeronave parezca liso, la geometría de la superficie es complicada. Además de alas y fuselaje, un avión tiene cabinas, estabili zadores, dispositivos de sustentación, aletas y alerones. La forma en que el aire fluye alrededor de estas estructuras determina cómo se desplaza la aeronave por el cielo. I-as ecuaciones que describen el flujo del aire son complicadas y deben tomar en cuenta la admisión de los motores, los gases expelidos y las estelas que dejan las alas de la aeronave. Para estudiar el flujo del aire, los ingenieros necesitan de una des cripción sumamente detallada de la superficie de la aeronave. Una computadora crea un modelo de la superficie al su perponer, primero, una malla tridimensional de "cuadros" so bre el modelo de alambre original. En esta malla, los cuadros
caen completamente dentro o completamente fuera de la aero nave. o se intersecan con la superficie de esta. La computadora selecciona los cuadros que se intersecan con la superficie y los subdivide, reteniendo solo los más pequeños que aún se intersecan con la superficie. El proceso de subdivisión se repite hasta que la malla se vuelve extremadamente fina Una malla típica puede incluir más de 400.000 cuadros. 0 proceso para encontrar el flujo de aire alrededor de la aeronave implica la solución repetida de un sistema de ecuacio nes lineales A x = bque puede implicar hasta dos millones de ecuaciones y variables. El vector 1»cambia a cada momento, con base en datos que provienen de la malla y de las soluciones de ecuaciones previas. Usando las computadoras más rápidas dis ponibles comercialmente, un equipo de Phantom Works puede tardar desde unas cuantas horas hasta varios dias para configurar y resolver un solo problema de flujo de aire. Después de que el equipo analiza la solución, podrá hacer pequeños cambios en la superficie de la aeronave, y comenzar de nuevo todo el proceso. Es posible que se necesiten miles de corridas de DFC. En este capitulo se presentan dos conceptos importantes que ayudan en la solución de los enormes sistemas de ecuaciones de este tipo: • Matrices panicionadas: Un sistema típico de ecuacio nes de DFC tiene una matriz de coeficientes "dispersa" con la mayoría de entradas iguales a cero. El agrupar las variables en forma correcta conduce a una matriz particionada con muchos bloques de ceros. En la sección 2.4 se presenta este tipo de matrices y se describen algunas de sus aplicaciones.
101
http://www.fullengineeringbook.net 119 of 461.
10 2
CAPÍTULO 2
Álgebra de matrices
• Factorizaciones de matrices: H sistema de ecuaciones es complicado, Incluso cuando está escrito con matrices partidonadas. Para simplificar aún más los cálculos, el programa computacional DFC aplicado en el Boeing utiliza lo que se conooe como faclorización LU de la matriz de coeficientes. En lasectión 2.5 se analiza la factorizadón LU y otras fadorizadonos m atridales útiles. M ás adelante, en varias partes de este libro, aparecen más detalles respedo de las fadorizadones. Para poder analizar una soludón de un sistema de flujo de aire, los ingenieros tienen que visualizar el flujo de aire sobre la superfide de la aeronave; para ello, utilizan gráficos generados por com putadora y el álgebra lineal proporciona las herramientas para trazarlas. El modelo de marco de
la moderna DFC ha revolucionado el diseño de aeronaves. U Boing Blended Wing Body se encuentra en diseño y etirará en funcionamiento en 2020 o tal vez antes.
alambre de la superfide de la aeronave se almacena como
de zonas pequeñas, y hacerla girar para ver partes que
datos en muchas matrices. Una vez que se presenta la imagen
quedan ocultas en determinado ángulo. Cada una de estas operaciones se realiza con una multiplicación adecuada de matrices. En la secdón 2.7 se explican las ideas básicas.
en una pantalla de computadora, los ingenieros pueden modificarla a escala, hacer acercamientos y alejamientos
|
w eb]
Nuestra capaddad para analizar y resolver ecuaciones aumentará considerablemente al adqui rir la habilidad de realizar operadones algebraicas con matrices. Más aún, las definiciones y los teoremas de este capitulo ofrecen algunas herramientas básicas para manejar las múltiples aplicadones del álgebra lineal que implican dos o más matrices. Para matrices cuadradas, el teorema de la matriz invertible de la secdón 2.3 reúne la mayoría de los conceptos tratados anteriormente en el libro. En las secciones 2.4 y 2.5 se examinan matrices partidonadas y fadorizadones de matrices, las cuales aparecen en la mayor parte de los usos modernos del álgebra lineal. En las secdones 2.6 y 2.7 se describen dos aplicaciones interesantes del álge bra de matrices a la economía y a los gráficos generados por computadora.
2 .1
OPERACIONES DE MATRICES Si A es una matriz de m x a es decir, una matriz con m filas y n columnas, entonces la entrada escalar en la i-ésima fila y la /é s im a columna de A se denota mediante av y se llama entra da ( i . j de A. Véase la figura 1. Por ejemplo, la entrada (3, 2) es el número 032 en la tercera fila, segunda columna. Cada columna de A es una lista de m números reales, que identifica un vector en R ". Con frecuenda, estas columnas se denotan mediante a,.... af, y la matriz A se escribe como A
= (a, *
— *,1
Observe que el número ay es la i'-ésima entrada (desde arriba) d e l/é s im o vector columna a> Las entradas « S á g ra le » en una matriz A = [íjv] de m x n son a\ 1. a n . aja......y for man la dlagml principal de A. Una matriz ilayital es una matriz cuadrada de n x n cuyas entradas no diagonales son cero. Un ejemplo es la matriz identidad de n x n, In Una matriz d e m x n cuyas entradas son todas cero es una matriz cero o matriz n u la y se e s cribe como 0. El tamaño de una matriz cero, por lo general, es evidente a partir del contexto.
http://www.fullengineeringbook.net 120 of 461.
2 .1
Operaciones de matrices 10 3
Columna
J Fila /
•
y
•••
*i/»
an
•
*u
••*
aía
. aa>\
■*
v
***
am a .
a,
*/
•b
RGURA 1 Notación matrícla!.
Sum a y m últiplos escalares La aritmética para vectores que se describió anteriormente tiene una extensión natural hada las matrices. Se dice que dos matrices son ifflalw si tienen el mismo tamaño (es dedr, el mismo número de filas y de columnas) y si sus columnas correspondientes son iguales, lo que equivale a d ed r que sus entradas correspondientes son iguales. Si A y B son matrices de m x n, entonces la suma A + fíe s la matriz de m x n cuyas columnas son las sumas de las columnas correspondientes en A y fí. Puesto que la suma vectorial de las columnas se realiza por entradas, cada entrada en A + ¿fes la suma de las entradas correspondientes de A y B. La suma A + /?está definida solo cuando A y £ so n del mismo tamaño. EJEMPLO 1
Sean 4 1
0 3
ri * = [3
2 }
1 5
11 7J
■5
1
6]
.2
8
9J
Luego, /! + « = [
pero A + C no está definida porque A y Ctienen diferentes tamaños. Si r es un escalar y A es una matriz, entonces el múltiplo «calar rA es la matriz cuyas columnas son r veces las columnas correspondientes de A. Al igual que sucede con los vecto res. - 4 significa ( -l ) A. y A - d esig u al que A + (—1)5. EJEMPLO 2
S i A yZ ? son las matrices del ejemplo 1. entonces
A
En el ejemplo 2 no fue necesario calcular A - 2 # co m o A + ( - 1 ) 2 # porque las reglas usuales del álgebra se aplican a las sumas y los múltiplos escalares de matrices, como se verá en el siguiente teorema.
TEOREMA 1
Sean A, f í y Cm atrices del mismo tamaño, y sean r y s escalares. a) A + B = B + A A) (A + B ) + C = A + ( B + Q c) A + 0 = A
d) r(A + B) = rA + rB e) (r + 5)j4 = M + í A /) rCsd) = (rrM
http://www.fullengineeringbook.net 121 of 461.
10 4
CAPÍTULO 2
Álgebra de matrices Cada igualdad del teorema 1 se comprueba al mostrar que la matriz del lado izquierdo tiene el mismo tamaño que la del lado derecho y que las columnas correspondientes son iguales. El tamaño no es problema porque A, B y C sondel mismo tamaño. 1.a igualdad de co lumnas es consecuencia inmediata de las propiedades análogas de los vectores. Por ejemplo, á las columnasy-ésimas de A, B y C son ay. k/ y tj, respectivamente, entonces las columnas y-ésimas de {A + B) + C y de A + {B + C) son (% + k j + cj y
a, + (ky + c¿.
respectivamente. Ya que estas dos sumas vectoriales son iguales para cada j , la propiedad A) queda comprobada. Debido a la propiedad asociativa de la suma, se puede escribir simplemente A + B + C para la suma, lo cual se calcula como (A + B) + C. o bien, como A + (B + Q . I jo mismo se aplica a sumas de cuatro o más matrices.
M ultiplicación de m atrices Cuando una matriz B multiplica a un vector x transforma a x en el vector B x Si después este vector se multiplica, a la vez, por una matriz A, el vector resultante es A(Bx). Véase la figura 2. M i triplicación
M ultiplicación
por B
por A
z*
• Bk
*AW
FIGURA 2 Multiplicación por B y luego por A.
Asi. A(Bx$ se produce a partir de x por una composición de mapeos. las transformaciones lineales estudiadas en la sección 1.8. Nuestro objetivo es representar este mapeo compuesto como la multiplicación por una sola matriz, que se denota con AB. de manera que = (AB)x
(1)
Véase la figura 3.
M ultiplicación
M iltlphcaclón
por A
p o r/? *
Bu
*A ( B W
M ultiplicación por AB f ig u r a
3 Multiplicación por AB.
S Á e s d e / n x / 7 , B e s d e n x p y x está en R'’. las columnas de B se denotan como k \ .... ky„ y las entradas de x como x\..... Xp. Por consiguiente. Bx = *,k, + ••• + x¡kP Por la linealidad de la multiplicación por A, /4(flx) = M(.vib|) H-----+ A ( x pbp) = X| /4b, + ••• + x pA b p
http://www.fullengineeringbook.net 122 of 461.
2 .1
Operaciones de matrices 10 5
El vector A{Bé >es una combinación lineal de los vectores /lb¡..... Ab[r usando las entradas de x como pesos. En notación matricial, esta combinación lineal se escribe como A(B m) = [Ah, Asi. la multiplicación por [Ahí la matriz buscada!
DEFINICIÓN
Ah¡ -
Ah,]*
Ab¡ ••• Abj,] transforma a x en A(Bx). ¡Ya encontramos
Si A es una matriz de m x n. y s i fies una matriz de n x p eó n columnas b¡..... I^.entonces el producto A B es la matriz d e m x p cuyas columnas son A b)..... Abp. Es decir, A B = A \y
b, -
bpl = [Ab,
Ab¿ - A \ ]
Esta definición hace que la ecuación (1) sea verdadera para toda x en H*. La ecua ción (1) demuestra que el mapeo compuesto de la figura 3 es una transformación lineal y que su matriz estándar es AB. La multiplicación de matrices corresponde a la composición de transformaciones lineales.
EJEMPLO 3
Calcule AB. donde A =
SOLUCIÓN Escríba f i = [ b ,
Abi “
’2 1
b.
-*]■ J
A\>2 =
bt
bj J =
"2 1
[ í - 2
/Ib? =
' 0 1 13
J
i AB = A | b ,
-s ]* B =
51
M y calcule:
11 1 -1 Luego.
P
[”
i 0 13
[! JI5] 2 ,1 L~9 J
♦ ■
t
t
” ] t
A b,
Ab}
A b,
Observe que como la primera columna de A fíe s Ab,. esta columna es una combinación lineal de las columnas de A asando como pesos las entradas de b ,. Un enunciado sim ilar es verdadero para cada columna de AB.
Cada columna de A fíc s una combinación lineal de las columnas de A usando pesos de la columna correspondiente de B
Evidentemente, el número de columnas de A debe corresponder al número de filas en fi para que una combinación lineal como Ab| esté definida. Además, la definición de AB mues tra que A B tiene el mismo número de fila s que A y el mismo número de columnas que B. EJ EM PLO 4 Si A es una matriz de 3 x 5 y fi una matriz de 5 x 2. ¿cuáles son los tamaños de A B y de BA. si tales productos están definidos?
http://www.fullengineeringbook.net 123 of 461.
10 6
CAPÍTULO 2
Álgebra de matrices SOLUCIÓN Cómo A tiene 5 columnas y Atiene 5 filas, el producto Afl está definido y es una matriz de 3 x 2:
tí
A tí * * * * * *
5x2
3x2
* * * * * * * * * * * * * * *
3x5
Hay
rsan
'Ihmaito de Atí El producto HA no está definido, porque las dos columnas de B no se corresponden con las tres filas de A ■ La definición de A B e s importante para el trabajo teórico y las aplicaciones, pero la siguiente regla ofrece un método más eficiente para calcular cada una de las entradas de AB cuando se resuelven a mano problemas sencillos.
REGLA FILA-COLUMNA PARA CALCULAR A B Si el producto A B e s lá definido, entonces la entrada en la fila i y la columna J de A B e s la suma de los productos de las entradas correspondientes de la fila / de A y la columna j de B. Si (Afl)v denota la entrada (i, J) en A B , y si A es una matriz de m x n. entonces (AB)¡) = a n b \j + a a h j + ••• +
Pára comprobar esta regla, sea B = [b ••• %,]. La columna j de A B es ,4b/, y pode mos calcular /1b,, usando la regla fila-vector para calcular Ax. como vimos en la sección 1.4. La /-ésima entrada de A h j es la suma de los productos de entradas correspondientes de la fila i de A y del vector b,i que es precisamente el cálculo descrito en la regla para calcular la entrada (¿j) de AB. EJEMPLO 5 Use la regla fila-columna para calcular dos de las entradas de A t í para las matrices del ejemplo 3. Una inspección de los números implicados aclarará cómo los dos métodos para calcular A B producen la misma matriz. SOLUCIÓN Para encontrar la entrada de la fila 1 y la columna 3 de AB, considere la fila 1
de A y la columna 3 de B. Multiplique las entradas conrespondíentes y sume los resultados, como se muestra a continuación: I
AH- ~ \ 2
3i r 4
3
l 1 JL1 -2 3J — 5
D
□
2<6)+3(3)ira
□ J - | d □□ 21] oj
Para la entrada en la fila 2 y la columna 2 de AB. use la fila 2 de A y la columna 2 de R
[2
3][4
3
— L 1 ~ 5 JL 1 " 2
6] _ r n 3J
LD
□ 1(3) + —5(—2)
http://www.fullengineeringbook.net 124 of 461.
2i ] _ m
□
21]
□ J
13
D J
LD
2 .1 EJEMPLO 6
Operaciones de matrices 10 7
Encuentre las entradas de la segunda fila de AB. donde
A =
* 2 - 5 0' -1 3 -4 6 -8 - 7 ’ -3 0 9
SOLUCIÓN De acuerdo con la regla fila-columna, las entradas de la segunda fila de A B pro vienen de la fila 2 de A (y de las columnas de B); *
2 -5 0' -1 3 -4 7 6 -8 -7 9 1.3 -3 0
1
□ - 4 + 21 - 12 □ □
* _ fi"l
2J
□
6+ 3 -8 □ □
□ ' 5 □ □
1 □ □
Observe que puesto que el ejemplo 6 pedia solamente la segunda fila de AB. se podría haber escrito solamente la segunda fila de A a la Izquierda de B para calcular
I"'
3
- 4( J " ‘ ] = t5 ’ l
Esta observación acerca de las filas de A B es cierta en general, y es consecuencia de la regla fila-columna. Dejemos que fila, {A) denote la r'-ósima fila de una matriz A. De esta forma. fila, (AB) = fila, (A) ■B
( 2)
Propiedades de la m ultiplicación de m atrices El siguiente teorema lista las propiedades estándar de la multiplicación de matrices. Recuerde que I„ representa la matriz identidad d e m x m . y que I„x - x para toda x e n R".
TEOREMA 2
Sea A una matriz de m x n. y sean B y Cmatrices con tamaños para los que las sumas y los productos indicados están definidos. a) A (B Q = (AB)C
(ley asociativa de la multiplicación)
ti) A ( B + Q = A B + A C
(ley distributiva izquierda)
c) ( B + Q A = B A + CA
(ley distributiva derecha)
d) r(AB) = (rA)B = A(rB) para cualquier escalar r e) L A = A = AI„
(identidad para la multiplicación de matrices)
DEMOSTRACIÓN Las propiedades ti) a e) se consideran en los ejercicios. La propiedad a) es consecuencia de que la multiplicación de matrices corresponde a la composición de trans formaciones lineales (que son funciones) y se sabe (o es fácil comprobar) que la composición de funciones es asociativa A continuación se presenta otra demostración de a) que se basa en la ‘definición de columna" del producto de dos matrices. Sea C = («i ••• epl
http://www.fullengineeringbook.net 125 of 461.
10 8
CAPÍTULO 2
Álgebra de matrices
Por la definición de multiplicación de matrices. BC = [8 c i
Bcp \
•••
A (B C ) = [A (B cx)
•••
A (B c p )\
Recuerde de la ecuación (l) que la definición de A B hace que A(Bx) = (4 5 )* para toda x. de manera que A (B Q = [(AB*i -
(AB *,] = (ABIC
■
Las leyes asociativa y distributiva de los teoremas 1 y 2 expresan, en esencia, que es po sible agregar o eliminar parejas de paréntesis en expresiones maiririales de la misma manera que sucede en el álgebra de números reales. En particular, se puede escribir el producto como A B C y calculado ya sea como A (B Q o (AB) C.1 De manera similar, un producto de cuatro matrices ABCDse. puede calcular como A(BCD) o ( A B Q D o A(BQD, y así sucesivamente. No importa cómo se agrupen las matrices al realizar el cálculo de un producto, siempre y cuando se conserve el orden de izquierda a derecha de las matrices. F3 orden de Izquierda a derecha en productos es importante porque, en general, AB y BA, no son iguales. Esto no es sorprendente, ya que las columnas de A B san combinaciones lineales de las columnas de A. mientras que las columnas de BA se construyen a partir de las columnas de B. La posición de los factores en el producto AB se enfatiza al decir que A se multiplica por la derecha por B o que B se multiplica por la izquierda por A. Si A B = BA, se dice que A y B c a n u t a n una con la otra. EJEMPLO
7
Sea A =
B =
•
[i
j. Muestre que estas matrices no
conmutan. Es decir, compruebe que A B * BA. SOLUCIÓN AB =
'5 r 3 -2
BA =
'2 4
'2 4
0‘ 3
0 ‘ '5 f 3 3 -2
El ejemplo 7 ilustra la primera de la siguiente lista de diferencias importantes entre el álgebra de matrices y el álgebra de números reales. Para ver ejemplos de estas diferencias, consulte los ejercicios 9 a 12.
ADVERTENCIAS: En general. A B * BA. Las leyes de la cancelación no se aplican en la multiplicación de matrices. Es decir, si A B = AC. en general no es cierto que B « C. (Véase el ejercicio 10). a Si un producto A B es la matriz cero, en general, no se puede concluir que A = 0 o B * 0. (Véase el ejercicio 12).
L í
Potencias de u n a m atriz WEB |
Si A es una matriz de n x n y k e s un entero positivo, entonces Ak denota el producto de k
1 Cuando
Res cuadrada y C tiene menos columnas que las filas de A es mas eficiente calcular A(BQ en vez de
(AB,C
http://www.fullengineeringbook.net 126 of 461.
2 .1
Operaciones de matrices 10 9
copias de A: Ak = A—A i Si A es dlferenic de cero y * e s tá en M", entonces -4**es el resultado de multiplicar repe tidamente Aveces a x por la izquierda por A. SI k = 0. entonces >4°*deberla ser la misma x. Por consiguiente. A °se interpreta como la matriz identidad, I.as potencias de matrices son útiles tanto en la teoría com o en las aplicaciones (secciones 2.6. 4.9. y más adelante en el libro).
La tran sp u esta de una m atriz Dada una matriz A á e m x /7.1a tran sp u e sta de A es la matriz de n x m. que se denota con A'. cuyas columnas se forman a partir de las filas correspondientes de A.
EJEMPLO 8
Sean R =
1 I 5 -2
Ü
Por lo tanto.
A1
TEOREMA 3
Sean A y f í matrices cuyos tamaños son adecuados para las siguientes sumas y pro ductos. a) CA Y - A A)
(A +
B}r =AT+Br
c) Para cualquier escalar r. (M ) T = rA r
d) ( AB)T= B TAr
I.as demostraciones de a) a c) son directas y se omiten. Para d). véase el ejercido 33. Por lo regular. (A ft r no es igual a ATfír, aun cuando A y Atengan tamaños tales que el producto / l rA^esté definido. La generalización del teorema 3d) a produdos de más de dos factores puede expresarse con palabras de la siguiente forma:
La transpuesta de un producto de matrices es igual al produdo de sus transpuestas en orden inverso.
Los ejercidos incluyen ejemplos numéricos que ilustran las propiedades de las trans puestas.
http://www.fullengineeringbook.net 127 of 461.
110
CAPÍTULO 2
Álgebra de matrices
------ NOT AS NUMÉ RI CAS -----------------------------------------------------------------------------------1. La manera más rápida de obtener A B en una computadora depende de la forma en que la computadora guarde las matrices en su memoria. Los algoritmos estándar de gran eficiencia, tales como los de LAPACK. calculan A fí por columnas, como en nuestra definición del producto. (Una versión de LAPACK escrita en C++ calcula AB por filas).
2. La definición de AB se presta en sí misma al procesamiento paralelo en una compu tadora. Las columnas de B se asignan individualmente o en grupos a diferentes procesadores que. de manera independiente, y por lo tanto simultánea, calculan las columnas correspondientes de AB.
PROBLEMAS DE PRÁCTICA* 1.
Puesto que los vectores en H "se pueden considerar como matrices de n x 1. las propie dades de las transpuestas del teorema 3 también se aplican a vectores. Sean
Am[ *
“i] y *■[*]
Calcule (/üt) r. x rA r. x x ry x rx. ¿Está definida A V 5?
• 2. Sean A una matriz de 4 x 4 y sea x un vector en R 4. ¿Cuál es la forma más rápida de calcular A2*? Cuente las multiplicaciones.
2 . 1 EJERCICIOS* En los ejercicios 1 y 2. calcule cada suma o producto si la matriz está definida SI alguna expresión no está definida, explique por qué. Sean 7. Sí A es una matriz de 5 x 3 y el producto /U?es 5 x 7 , ¿cuál es el tamaño de 5? R ¿Cuántas filas tiene 6 si BCts una matriz de 5 x 4? 1. - 2 A B - 2 A . A C CD
• a Sean A =
2. A + 3 R 2 C - 3 E D R EC En lo que resta de este conjunto de ejercicios y los que siguen, su ponga que todas las expresiones matriciales están definidas. Es decir, los tamaños de las matrices y los vectores Implicados ‘ajustan* de manera correcta. & Sea A m ^
j. calcule
- A y (3^)A
- 3 de A si los hay. harán que AB ** BA1
1Q Sea -4=|^
i]
M -!
Compruebe que AB ■ ACy. sin embargo. B+ C.
'1
En los ejercicios 5 y 6 calcule el producto AB de dos maneras: a) con la definlcióni donde Ab: y Ab¡ se calculan por separado, y ti) por la regla de la fila-columna para obtener AB.
■
-?1] ■
* 11. Sean A =
4L Calcule A - 5h y (5£)A donde
J j . ¿Qué valor(es)
] yH
[-?
2 3
3'
2 4 5
5
6
y D=
r05 l0
0 3
0] 0 . Calcule
0
2J
A D y DA. Explique cómo cambian las columnas o filas de A cuando se multiplica por D por la derecha o por la Izquierda. Encuentre una matriz d» 3 x 3. que no sea la matriz Identidad o la matriz cero, tal que AB = BA.
* 12 Sea >4
^
j
Construya una matriz B de 2 x 2 tal
que AB sea Igual a la matriz cero. Utilice para Bdos diferentes columnas no nulas (distintas de cero). * Se sugiere trabajar los problemas marcados con un pinto primero en forma Individual y, luego, dtscutlrbs con todo el g n jjo y el profesor t Ix>s ejercidos marcados con un asterisco deben trabajarse en colaboración con los compañeros de d a » . Se sugiere formar equipos de dos o tres estudiantes.
http://www.fullengineeringbook.net 128 of 461.
2 .1 13 Sean r i.....r , vectores en H". y sea Q una matriz dp m x n. Bcrlba la matriz [Qri Qr,| como un producto de dos matrices (ninguna de ellas Igual a la matriz identidad).
Operaciones de matrices 1 1 1
22. Demuestre que si las columnas de B son llnealmente depen
denles, entonces también lo son las columnas de AB.
* 23. Suponga que CA = /„(la matriz identidad de n x rí). Demuestre qje la ecuación Ax - O tiene únicamente la solución trivial. Sea U la matriz de 3 x 2 de costos descrita en el ejemplo 6 Explique por qué A no puede tener más columnas que filas. de la sección 1.8. I-a primera columna de U lista los costos por dólar de producción para elaborar el producto B, y la se- • 2 4 Suponga que A es una matriz de 3 x n cuyas columnas ge gtnda columna lista los costas por dólar de producción para neran a Rs. Explique cómo construir una matriz D de n x 3 el articulo C (Los costos están por categorías de materiales, tal que AD ■ 4 mano de obra y gastos indirectos). Sea q, un vector en R2 25. Suponga que Aes una matriz de m x n. y que existan las ma que liste la producción (medida en dólares) de los productos B trices C y D de n x m. tales que CA = Ia y AD = /,* De y C manufacturados durante el primer trimestre del año. y nuesto que m = n y C - D. [Sugerencia: Piense en el pro sean %. qj y los vectores análogos que listan las cantl ducto CAIJ[. dades de productos B y C manufacturados en el segundo, tercero y cuarto trimestres, respectivamente. Dé una des 2 a Suponga que AD = 4 (la matriz identidad de m x m). De cripclón económica de los datos en la matriz UQ, donde nuestra que para toda b en R". la ecuación Ax = b tiene una 0-
14
las cuales las sumas y los productos indicados están definidos. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. 13 a) Si Ay £?son matrices de 2 x 2 con columnas «i, espectivamente. entonces AB= * b a b |.
y bi, b:.
b) Cada columna de ABes una combinación lineal de las co lumnas de B usando los pesos de la columna correspondiente
Calcule ■7te, te u wr* y ten'
27. Sea a =
c) AB+ AC= A(B+ Q d) Ar + Br = (A+ B)r t) 1.a transpuesta de un producto de matrices es igual al pro ducto de sus transpuestas en el mismo orden
1&
En los ejercicios 27 y 28. considere los vectores en R1' como ma trices de n x 1. Para u y te en R" el producto de matrices Brtees una matriz de 1 x 1, que se llama proferto escalar producto inferno de u y v. Por lo general, se escribe como un único número real sin corchetes. El producto de matrices uv 'es una matriz d e n x n . que se llama producto n tr r in r de a y Los productos n » y uvr se presentarán más adelante en el libro.
a) la primera fila de ABes la primera fila de A multiplicada por 5por la derecha. b) Si A y Bscm matrices de 3 x 3 y B = |b¡ be b>|. enton a s AB = [Abi + Ahí + Abs|. cj Si Aes una matriz de n x n entonces (A*)r « (A1)2 d) (/ABQT - (?ArBT e) La transpuesta de una suma de matrices es igual a la suma de sus transpuestas.
28. Si ■ y te están en !Rn. ¿cómo se relacionan u'tey ter«í? ¿Y cómo » relacionan w d y vb ';? 29. Compruebe el teorema 2Z>) y 2c). Use la regla fila-columna.
La entrada (/._/) de A(B + Q se puede escribir como O iA bij + c i ) + ••• + a ^ b n j + c^J
o II + cij) 4-1 30. Compruebe el teorema 2d). [Sugerencia: La entrada ( j,^ en
(ra/i)6iy+ ••• + (rodAiy). 31. Demuestre que
17.
Si A — ^ _3
y AB » [
determine la pri
mera y la segunda columnas de B. 18 Suponga que la tercera columna de flestá conformada en su totalidad por ceros. ¿Qué se puede decir acerca de la tercera columna de AHÍ l a Suponga que la tercera columna de Bes la suma de las dos pri meras columnas. ¿Qué se puede decir acerca de la tercera co lumna de AB? ¿Por qué? 20. Suponga que las dos primeras columnas de B. k, y b son guales. ¿Qué se puede decir acerca de las columnas de AB? ¿Porqué? SL Suponga que la última columna de 4/?está conformada en su totall&d por ceros, pero B. por sí sola, no tiene columnas de aros. ¿Qué se puede decir acerca de las columnas de A?
4 = A. donde A es una matriz d e n Suponga que Ij l • «para toda x en R".
x a
32. Demuestre que AI = A cuando A es una matriz de m x n
[Sugerencia: Use la definición (de columna) de A/J. 33. Demuestre el teorema 3di. (Sugerencia: Considere la pésima fila de (Afl)7}. 31 Dé una fórmula para (Aftt)T. donde x es un vector, y A y 5 son matrices con los tamafias adecuados. 35. [M|I.ea la documentación de su programa de matrices y escriba
los comandos que producirían las siguientes matrices (sin intro ducir cada entrada de la matriz). a) Una matriz de 4 x 5 de ceros. tí) Una matriz de 5 x 3 de unos. c) la matriz identidad de 5 x 5. d) Una matriz diagonal de 4 x 4. con entradas diagonales 3. 4. 2. 5.
http://www.fullengineeringbook.net 129 of 461.
112 CAPÍTULO 2 Álgebra de matrices Una forma útil de someter a prueba ideas nuevas o de hacer con Jeturas en álgebra de matrices es realizar cálculos con matrices se lecckmadas en forma aleatoria I-a comprobación de una propiedad para unas cuantas matrices no demuestra que la propiedad sea válida en general, pero permite que la propiedad sea más creíble. Además, es posible descubrir si una propiedad es falsa realizando unos cuan tos cálculos.
Luego, someta a prueba (A + B)(,A - B) = A2 - # d e la misma forma para tres pares de matrices aleatorias de 4 x 4. Escriba un informe de sus conclusiones.
3ft [MI Use al
menos tres pares de matrices aleatorias A y B de 4 x 4 para someter a prueba las Igualdades (A + B)r = Ar + B~ y (AB) r = B tAt, asi como (Afy7 = /4r¿?r (Véase el ejercicio 37). Escriba un informe de sus conclusiones. [Nota: La mayoría de los programas de matrices usan A' para representar A7!.
9Bl (M| Escriba el comando o los comandos necesarios para crear
rna matriz de 5 x 6 con entradas aleatorias. ¿Dentro de qué rango de números se encuentran las entradas? Diga cómo crear amatoriamente una matriz de 4 x 4 con entradas enteras en tre - 9 y 9. {Sugerencia: Si .res un número aleatorio tal que 0 < x < 1. entonces -9.5 < I 9 U - .5) < 9.51. 37. (M| Construya matrices aleatorias Á y /? d e 4 x 4. y comprup be si AB = BA. La mejor manera de hacer esto es calcular AB - BA y comprobar si esta diferencia es la matriz cero. Des pués compruebe AB - BA para tres pares más de matrices alea torias de 4 x 4. Escriba un Informe de sus conclusiones.
[MJSea
1 0 0 0 0
r°
0 S = 0 0 .0
0 1 0 0 0
0 0 1 0 0
°i
0 0 1 0_
Calcule S* para k = 2, 4L [M] Describa con palabras qué ocurre cuando se calcula Ai. Á10, A20 y Ax para
38. (M| Construya una matriz aleatoria A de 5 x 5 y compruebe si {A + D(A - I) = A2 - 1. La mejor manera de hacer esto es calcular {A + l)(A - I) - (A7 - A y verificar que esta difelencla sea la matriz cero. Realícelo para tres matrices al azar.
A=
r 1/4
1/2 L 1/4
1/2 1/3 1/6
1/ 4 1/6 7/12 j
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA
L
\ _2
=£
2
} Demaneraque 04*)r = (-4
• * '- [ »
3 ][_ J
~’ ] = [ -4
2]. También.
2]
Las cantidades (Áx) r y x 7Ár son iguales, por el teorema 3d). Después.
> i-[S «’x = [5
1]
3 ] ^ j - [ 2 5 + 9]»34
Una matriz de 1 x 1 como x Tx generalmenle se escribe sin corchetes. Por último. A Tx T no está definida, ya que x T no tiene dos filas que correspondan a las dos columnas d eÁ 7! 2.
Ia manera más rápida de calcular A2x es calculando A(Ax). 0 producto A x requiere 16 multiplicaciones. 4 por cada entrada, y >404*) requiere 16 más. En contraste, el pro ducto A2 requiere 64 multiplicaciones, 4 por cada una de las 16 entradas en A2. Después de eso, A2x requiere 16 multiplicaciones más. para un total de 80.
2.2 LA INVERSA DE UNA MATRIZ 0 álgebra de matrices brinda herramientas para manejar ecuaciones matriciales y crear di versas fórmulas útiles, de manera sim ilar a lo que sucede en el álgebra con números reales. En esta sección se investiga el análogo matricial del reciproco, o inverso multiplicativo, de un número diferente de cero.
http://www.fullengineeringbook.net 130 of 461.
2.2
La Inversa de una matriz 1 1 3
Recuerde que el inverso multiplicativo de un número como 5 es 1/5 o 5 '. Este inverso satisface la ecuación 5"* • 5 = 1
y
5 - 5“ * - 1
\ a generalización m atrldal requiere ambas ecuaciones y evita la notación con diagonales (para división), ya que la multiplicación de matrices no es conmutativa. Además, una genera lización completa solo es posibles! las matrices implicadas son cuadradas.1 Se dice que una matriz A de n x n es im>ertíble si existe otra matriz C de n x n tal que CA = I y
AC= 1
donde I = I„. la matriz identidad de n x n. En este caso. C e s una inversa de A. En efecto. C está determinada únicamente por A. ya que si B fuera otra inversa de A. entonces B = B I = B{AC) = (BA)C = IC = C. Esta inversa única se denota mediante A~1. tal que. A ~ 'A - I
y
A A ~1 = /
Una matriz que no es invertible en ocasiones se llama m atriz ¡ i n g J a r y una matriz invertible se llama m atriz no a n s i a r
E JE M P L O 1
- 7 ] y C = [~ 3
Si A =
J][ “ - [ m
3
2]
" 2 ] entonces
” [ó “]>
u
°]
Por lo tanto. C = A ~ \
■
A continuación se presenta una fórmula sencilla para la inversa de una matriz de 2 x 2. junto con una prueba para saber si existe la inversa.
TEOREMA 4
Sea>l = [ *
. Si ad - b e # 0. entonces A es invertible y
A '*
1 - a d - be
Si ad - be = 0, entonces A no es invertible.
La sencilla demostración del teorema 4 se esboza en los ejercicios 25 y 26. La cantidad ad - b ese llama determ in an te le A, y se escribe como del A = ad - be El teorema 4 establece que una matriz A de 2 x 2 es invertible si y solo si det A * 0. 1 Podría decirse que una matriz ^ d c m x n t s Invertible si existen matrices C y D de n x m. tales que CA = /« y AD - L- Sin embargo, estas ecuaciones Implican que A es cuadrada y C - D. Por lo tanto. A es Invertible como ya se definió V íase los ejercicios 23 a 2S en la sección 2. t .
http://www.fullengineeringbook.net 131 of 461.
114
CAPÍTULO 2
Álgebra de matrices
EJEMPLO 2
Encuentre la inversa de A =
^
^
SOLUCIÓN Ya que det A = 3(6) - 4(5) = - 2 * 0. A es invertible, y
r 6 - 4l _ r
“ - 2 L-5
6/<-2) - V ( - 2 ) i r - 3
3 j ~ |_—5/(—2)
2]
3/(-2)J ~~ [5/2 -3/2J
Las matrices invertibles son indispensables en álgebra lineal, sobre todo para cálculos algebraicos y deducciones de fórmulas, como en el teorema siguiente. En ocasiones, una matriz inversa permite entender mejor un modelo matemático de alguna situación de la vida real, como en el ejemplo 3 que se presenta un poco más adelante.
TEOREMA 5
Si A es una matriz Invettíble de n x n, entonces, para cada b e n fft". la ecuación A x - b tiene la solución única
x = i4~'b
DEMOSTRACIÓN Tome cualquier b en M". Existe una solución porque cuando se sustituye A~ 'b p o rx .s e tiene A x = Á(A_ ,b) = (A4_ ,) b = /b = b. Asi que A~ ‘b e s una solución. Para probar que la solución es única, demuestre que si u es cualquier solución, entonces u debe ser. de hecho, A~ 'b. En efecto, si Am = b. podemos multiplicar ambos miembros por A ~l y obtener A~lAm = A 'b.
/■ = A ’b
u = A~ 'b
y
■
EJEMPLO 3 Una viga elástica horizontal tiene soportes en cada extremo y está sujeta a fuerzas en los puntos 1, 2 y 3. como indica la figura 1. Sea en R3 tal que liste las fuerzas en estos puntos, y sea en tal que liste las magnitudes de deflexión (es decir, de movi miento) de la viga en los tres puntos. Con base en la ley de Hooke de la física, se puede demostrar que
y
f
R3
y = Df donde D es una matriz de flexibilidad. Su inversa se denomina matriz de rigidez. Describa el significado físico de las columnas de D y I T '. *1
SOLUCIÓN Escriba Á = I«i
42
*3
y observe que D = D h = ¡¡M
D*
De,]
Interprete el vector«, = (1. 0 .0 ) como una fuerza unitaria aplicada hacia abajo en el punto 1 (con fuerza cero en los otros dos puntos). De esta form a Dt\, la primera columna de D. lista las deflexiones de la viga debidas a una fuerza unitaria en el punto 1. Descripciones similares son válidas para la segunda y tercera columnas de D. Para estudiar la matriz de rigidez D \ observe que la ecuación = D ‘y calcula un vector de fuerza cuando se da un vector de deflexión Escriba
f
f
y.
d
- ' = c r ' h = [ c r '*
z r 1*
z r 1^ ]
Ahora interprete como un vector de deflexión. De esta forma. l> lista las fuerzas que crean la deflexióa Es decir, la primera columna de I T 1lista las fuerzas que deben aplicarse
http://www.fullengineeringbook.net 132 of 461.
2.2
La Inversa de una matriz 1 1 5
en los tres puntos para producir una deflexión unitaria en el punto 1 y deflexión cero en los otros puntos. De manera similar, las columnas 2 y 3 de D 1listan las fuerzas requeridas para producir deflexiones unitarias en los puntos 2 y 3. respectivamente. En cada columna, una o dos de las fuerzas deben ser negativas (apuntan hacia arriba) para producir una deflexión uni taria en el punto deseado y deflexiones cero en los otros dos puntos. Si se mide la flexibilidad, por ejemplo, en pulgadas de deflexión por libra de carga, entonces las entradas de la matriz de rigidez están dadas en libras de carga por pulgada de deflexión. ■ La fórmula del teorema 5 se utiliza muy pocas veces para resolver en forma numérica una ecuación A x = b porque la reducción por filas de [A b] casi siempre es más rápida (La reducción por filas también es más precisa en general, cuando los cálculos requieren el redondeo de los números). Una posible excepción es el caso 2 x 2. ya que los cálculos men tales para resolver A x = b en ocasiones resultan más fáciles usando la fórmula para A *, como en el siguiente ejemplo. E JE M P L O 4
Use la inversa de la matriz A del ejemplo 2 para resolver el sistema
3*! + 4x 2 — 3 5xi + 6 x 2 = 7 SOLUCIÓN Este sistema es equivalente a A x = V por lo que
, - ‘" b“ [v 2 -3/2] [ 7 ] = [ 4 ] H3 siguiente teorema aporta tres datos útiles acerca de las matrices invertibles.
TEOREMA 6
a)
Si A es una matriz invertible, entonces A 1es invertible y (>,-»)-* = ^
A) S A y # so n matrices invertibles de n x n, entonces también lo es AB. y la inversa de A B es el producto de las inversas de A y B e n el orden opuesto. Es decir. {AB)~l = B ~ 'A ~ X c)
Si A es una matriz invertiblc, también lo es Ar. y la Inversa de <4r es la transpuesta d e A ~ x. Es decir. (AT)-' = ( A - y
DEMOSTRACIÓN Para comprobar el enunciado a), se debe encontrar una matriz Ctal que A~XC = /
y
CA~X = I
De hecho, estas ecuaciones se satisfacen colocando a A en lugar de C. Por lo tanto. A~x es Invertible y A es su inversa. A continuación, para demostrar el enunciado A). se calcula: (AB i{B-lA-*) = A{BB X)A ~ ' = AIA~X - AA‘ X = I Un cálculo similar indica que (B~xA ~ l){AB) = / En el enunciado c) utilice el teorema 3). lea de derecha a izquierda, (/I-1) TAT = (AA~X) T = F = / De manera similar. = I T - I. Por lo tanto, A r es invertible, y su inversa es (A " ')T. ■ La siguiente generalización del teorema 66) se necesitará más adelante. El producto de matrices invertibles de n x n es invertible, y la inversa es el producto de sus inversas en orden opuesto.
http://www.fullengineeringbook.net 133 of 461.
116
CAPÍTULO 2
Á lg e b ra d e m a tr ic e s
Existe una conexión importante entre las matrices invertibles y las operaciones de fila que conduce a un método para calcular inversas. Como se verá, una matriz invertible A es equivalente por filas a una matriz identidad, y es posible encontrar A 1 observando la reduc ción po r filas de A a !.
M atrices elem entales Una m atriz «Iwm-u tal es aquella que se obtiene al realizar una única operación elemental de fila sobre una matriz identidad. El siguiente ejemplo ilustra los tres tipos de matrices ele mentales. E JE M P L O 5
Sean
0 1 0
0" 0 «J
II «N u;
r i E, = 1 0 L-4
ro L°
i 0 0
0~ 0 . 1
E>=
'1 0 0
0 1 0
0' 0 5
Calcule E\A. E¿A y E$A. y describa cómo se pueden obtener estos productos por medio de operaciones elementales de fila sobre A. SOLUCIÓN Compruebe que c Ex A
L;
4a
E tA
h — 4b
f i - 4c J
E jA =
a d
c I /
. s8
b e 5h
p
'
L*
h
\ a
b
n
c
,
'J
»J
Al sumar a la fila 3 la fila 1 de A multiplicada por - 4 . se obtiene £*,A (Esta es una operación de remplazo de filas). Con un intercambio de las filas 1 y 2 de A se obtiene E¿A, y multipli cando la fila 3 de >1 por 5 se obtiene ■ La multiplicación izquierda (es decir, multiplicación por la izquierda) por E\ en el ejemplo 5 tiene el mismo efecto en cualquier matriz de 3 x n Esta operación suma a la fila 3 la fila 1 multiplicada por - 4. En particular, ya que E] • I = E\. vemos que E, se autoproduce mediante esta misma operación de fila sobre la identidad. Así. el ejemplo 5 ilustra la siguien te propiedad general de las matrices elementales. Véase los ejercicios 27 y 28.
Si se realiza una operación elemental de fila con una matriz A de m x a la matriz resultante se puede escribir como EA, donde la matriz f d e m x m s e crea al realizar la m iaña operación de fila sobre
Puesto que las operaciones de fila son reversibles, como se demostró en la sección 1.1, las matrices elementales son invertibles, porque si E se produce aplicando una operación de fila sobre /. entonces ex iae otra operación de fila del mismo tipo que convierte a E d e nuevo en / Por lo tanto, existe una matriz elemental E tal que F E = /. Puesto que E y E corres ponden a operaciones inversas, también E E = /.
http://www.fullengineeringbook.net 134 of 461.
2.2
La Inversa de una matriz 1 1 7
Toda matriz elemental ¿ e s Invertible. La Inversa de ¿'es la matriz elemental del mismo tipo que transforma a ¿"de nuevo en /.
E JE M P L O 6
Encuentre la inversa de E x
1 0 -4
0
Ol 1 0 . 0 1J
SOLUCIÓN Para transformar ¿i en /.su m e la fila 1 multiplicada por + 4 a la fila 3. La matriz elemental que hace esto es '
1 o +4
0 Ol t o 0 lj
■
0 siguiente teorema ofrece la mejor manera de "visualizar" una matriz invertible, y con duce de inmediato a un método para encontrar la inversa de una matriz.
TEOREMA 7
Una matriz A de n x n e s inveitible si y solo si A es equivalente por filas a /* y. en este caso, cualquier secuencia de operaciones elementales de fila que reduzca A a l a también transforma a l„en A~l .
DEMOSTRACIÓN Suponga que A es invertible. Entonces, como la ecuación A x = k tiene una solución para toda k (teorema 5). A tiene una posición pivote en cada fila (teorema 4 de la sección i .4). Puesto que A es cuadrada, las n posiciones pivote deben estar sobre la diago nal. lo que implica que la forma escalonada reducida de A es I* Es decir, A ~ - In A la inversa, ahora suponga que A — /» Entonces, puesto que cada paso de la reducción por filas de A corresponde a una multiplicación izquierda por una matriz elemental, existen matrices elementales ¿ i ......¿á ta le s que A ~ E XA ~ E 2( E XA ) ----------£ ,,4 ) = /„ Es decir,
E , - E XA - I a
(1)
Puesto que el producto Ep..... ¿ i de matrices invertibles es invertible. (1) conduce a = ( £ , . . . £ , ) - , / ll A = (£„■• • £ , ) - ' Por lo tanto. A es invertible, porque es la inversa de una matriz invertible (teorema 6). También. A ~ ' = [ < £ , . . . £ , ) - • ] ■ '= £ , - . - £ ,
Asi. A ~ 1 = Ep ••• E\ • lo que indica que A~l resulta de aplicar ¿ i ..... ¿J.sucesivamente a I» Esta es la misma secuencia en ( i) que redujo A a b ■
Un algoritm o p ara d e te rm in a r 4 -1 Si colocamos A e / lado a lado para formar una matriz aumentada \A I\, entonces las operaciones de fila en esta matriz producen operaciones idénticas sobre A e /. De acuerdo con el teorema 7. hay operaciones de fila que transforman a A en 1„y a /„ en A o A no es invertible.
http://www.fullengineeringbook.net 135 of 461.
118
CAPÍTULO 2
Álgebra de matrices
ALGORITMO PARA DETERMINAR A 1 Reduzca por filas la matriz aumentada \A /]. Si A es equivalente por filas a I, en tonces [A /] es equivalente por filas a [ / A 1]. De otra manera, A no tiene inversa
E JE M P L O 7
[:i
Encuentre la inversa de la matriz A
. si acaso existe.
SOLUCIÓN
[A
/] =
*0 1 1 0 4 -3
2 3 8
1 0 3 0 2 1 0 -3 -4
1 0 0
0 i 0
0“ 0 1
*1 0 0 1 4 --3
3 2 8
0 1 0
1 0 0
0' 0 1
0 1 1 0 0 - -4
0* 0 1
"1 0 0
0 1 0
3 2 2
0 1 0 1 3 -4
0* 0 1
*1 0 0
0 1 0
3 2 1
0 1 3 /2
I 0 -2
0 ' 0 1/2 _
*1 0 0
0 1 0
0 -9 /2 0 -2 1 3 /2
7 4 -2
3 /2 ' -1 i/2 _
F3 teorema 7 señala que. como A — /. A es invertible, y - 9 /2 -2 3 /2
L
A~ • = [
7 --3 /2 4 -1 -2 1/2
1
Es buena idea comprobar la respuesta final:
AA - i
[ 01
1 0
2 l [-9 /2 3 -2
7 —3/2*1 [ I i n 4 -1 = = 0°
1
Lo
0 I 0
°1 0 ij
4 -3 8 J [ 3 /2 - 2 1 /2 J [o No es necesario comprobar que A lA = /, ya que A es invertible.
O tro pu n to de vista de la inversión de m atrices Denote las columnas de /„ por c*......De esta forma, la reducción por filas de \A [/ A " *1 se puede ver como la solución simultánea de los n sistemas A x = *i,
A x = ffc..........
.Ax = e ,
/la
(2)
donde todas las “columnas aum entadas' de estos sistemas se han colocado al lado de A para formar ¡A c< ^ ••• = (A /]. La ecuación AA 1 = / y la definición de multiplicación de matrices indican que las columnas de A 1 son precisamente las soluciones de los siste mas de (2). Esta observación es útil porque algunos problemas aplicados requieren encontrar solamente una o dos columnas de A En este caso, solo se necesita resolver los sistemas correspondientes en (2).
http://www.fullengineeringbook.net 136 of 461.
2.2
La Inversa de una matriz 1 1 9
----- NOTAS N U M É R IC A S ------------------------------------------------------------------------En la práctica, rara vez se calcula A ~ x, a menos que se necesiten las entradas de A ~ l. Calcular tanto A~l como /4"’b requiere aproximadamente tres veces más operaciones aritméticas que resolver con reducción por filas A x = b y la reducción por filas quizá resulte más precisa.
PROBLEMAS DE PRÁCTICA 1.
Utilice determinantes para establecer cuáles de las siguientes matrices son invertibles: o)
2. Encuentre la inversa de la matriz A
2 . 2
E JE R C IC IO S *
Encuentre las Inversas de las matrices en los ejercicios 1a 4.
En los ejercidos 9 y 10. marque cada enunciado como verdadero o falso. Justifique sus respuestas. * a
i
Utilice la Inversa que encontró en el ejercicio I para resolver el sistema &ri + 6xj — 2 5xt + 4xj = —I
a
Utilice la inversa que encontró en el ejercicio 3 para resolver el sistema 7x, + l r 2 o - 9 —6 j T] - 3xj =
4
7. Sea, A . [ ¡
- [ 'I ] . ! *
y -. = [ ! } a) Determine A~1y utilícela para resolver las ecuaciones /lx -b ;.
Ax - b.>.
b) las cuatro ecuaciones del inciso o) se pueden resolver can el mismo conjunto de operaciones de fila, ya que la matriz de coeficientes es la misma en cada caso. Resuelva las cuatro ecuaciones del inciso a) mediante la reducción por filas de la matriz aumentada [i4 b h¡ b, b. ] S
, si existe.
Suponga que F es lnvertlble y A - PBP~\ Determine B en términos de A
a) fóra que una matriz B sea la Inversa de A las ecuaciones AB = 7y BA = /debenser verdaderas. ti) Si A y B son de n x /re lnvettlbles. entonces A~'B~Xes la inversa de AR c) Si A m
^
j y ab -
cd * 0. entonces A es lnvertlble.
d) Si A es una matriz Invertible de n x n. entonces la ecuación Ax = b « consistente para toda b en R". e) Toda matriz elemental es lnvertlble. * l a a) Si A es lnvertlble. entonces las operaciones elementales de fila que reducen A a la Identidad también reducen
¿Ha-4 ti) Si A es Invertible, entonces la Inversa A~' es A misma. c) Un producto de matrices invertlbles de n x /jes invertible, y la Irversa del producto es el producto de sus inversas en el mismo orden. d) Si A es una matriz de n x n y A x ^ p e s consistente para todajm {I, 2......n}. entonces A es invertible. Nota:*|...,, p representa las columnas de la matriz identidad. e) Si A puede reducirse por filas a la matriz identidad, entonces A debe ser lnvertlble. 11. Sea A una matriz lnvertlble de n x n, y sea B una matriz de n x p. Demuestre que la ecuación AX - 0 tiene una solución tWca 12. Utilice álgebra de matrices para demostrar que si A es Inver
tible y
satisface AD= I, entonces D = A~'.
* 11 Suponga que AB - AC, donde B y Cson matrices d e n x p y i4es lnvertlble. Demuestre que B = C. ¿Esto es cierto, en ge reral. cuando A no es Invertible?
http://www.fullengineeringbook.net 137 of 461.
12 0
14.
CAPÍTULO 2
Álgebra de mal rices
Suponga que (B - C)D = 0. donde B y C son matrices de m x n y Des Invertible. Demuestre que B = C.
* 1S Sea A una matriz Invertible de n x n. y sea B una matriz de n x p. Explique por qué A ~l Bse puede calcular por reducción de filas: Si \A B [--------- [/ A l entonces X = A~lB. Si A es mayor de 2 x 2. entonces la reducción por filas de ¡A B\ es mucho más rápida que calcular a A~l y a A-1 B. lft. Suponga que A y B son matrices de n x a tí es invertlble y Atí es Invertible. Demuestre que A es Invertlble. [Sugerencia.' Con «adere que C = AB. y despeje A en esta ecuación|.
17.
Suponga que A B y C son matrices invertlbles de n x n Demuestre que ABC también es invertlble al obtener una ma trlz Z?lal que (ABQD = I y D{ABC¡ = I.
18. Itesuelva la ecuación AB = BC para A. suponiendo que A, B y Cson matrices cuadradas y Bes invertible.
27. Sea A una matriz de 3 x 3. a) Lfce la ecuación (2) de la sección 2.1 para demostrar que fll^ (A) = fila, (7) • A , para i = 1. 2. 3. ti) Demuestre que si las filas 1 y 2 de Ase intercambian, en toncas el resultado se puede escribir como EA, donde E es una matriz elemental formada al intercambiar las filas 1 y2de l c) Demuestre qu? si la fila 3 de A se multiplica por 5. enton cas el resultado se puede escribir como EA. donde E se forma al multiplicar la fila 3 de /por 5. 28 Suponga que se remplaza la fila 2 de A por flla2 (A) - 3 • fila, (A). Demuestre que el resultado es EA. donde Ese forma a partir de /al remplazar fila* (/) por fltoí (/) - 3 • filai (A). Encuentre las Inversas de las matrices en los ejercicios 29 a 32. si existen Use el algoritmo presentado en esta sección 6
7
19l Si A, B y Cson matrices invertibles n x n, ¿la ecuación C 1 (/I + X)B~' ~ 1„tiene una solución. A? Si es asi, encuéntrela.
]
* a i Suponga que A B yX son matrices d e n x neón A. X y A - AX invertibles, y suponga que (A - AX)~' = X~'B (3) 33 Use el algoritmo de esta sección para encontrar las Inversas de
a) Explique por qué Bes invertlble. ti) Despeje Afen la ecuación (3). SI se necesita Invertir una ma trlz, explique por qué esta matriz es invertlble.
■1
0 1 1 1
0 0 1 1
0‘ 0 0 1
?
* a . Explique por qué las columnas de una matriz A de a x n son hnealmente independientes cuando A es invertible.
l¡
¡
* 22. Explique por qué las columnas de una matriz A de n x n ge neran a R“ cuando A es invertlble. (Sugerencia.- Repase el teorema 4 de la sección 1.4].
Sea A la matriz de n x n correspondiente, y sea 5 su inversa. Infiera la forma de B,y después demuestre que A tí = I.
23.
24.
?i
1 y 1 1
r¡
31 Repita la estrategia del ejercicio 33 para inferir la inversa B de
Suponga que A es de n x n y que la ecuación Ax - 0 tiene solamente la solución trivial. Explique por qué A tiene n co lumnas pivote y es equivalente por filas a /„ De acuerdo con d teorema 7. esto Indica que A debe ser Invertlble. (Este ejer cicio y el 24 se mencionarán en la sección 2.3). Suponga que pata una matriz A de n x n. la ecuación Ax * b tiene una solución para toda b en R". Explique por qué A debe rer Invertible. [Sugerencia: ¿A es equivalente por Alas a /„?]
Ijos ejercicios 25 y
26 demuestran el teorema 4 para
o0 0 . n. Demuestre que AB= I.
33 Sea A
-1 2 I
- 7 —3"] 15 6 . Encuentre la tercera columna de 3 2 I
A 'sincalcular las otras columnas. 25. Demuestre que si ad - be - 0. entonces la ecuación Ax - 0 tiene más de una solución ¿Por qué esto implica que A no es in\ertible? [Sugerencia: Primero, considere a - b - 0. Después. si a y Ano son ambas cero, considere el vector x =
38 |M] Sea A
-9 185
-2 7 ] 537 Encuentre la segunda
154 52 143J y tercera columnas de A 1sin calcular la primera columna.
a a Demuestre que si a d - be * 0. la fórmula para A 1funciona. Los ejercicios 27 y 28 demuestran casos especiales de los hechos acerca de matrices elementales establecidos en el recuadro que sigue al ejemplo 5. Aquí A es una matriz d e 3 x 3 e / = A. (Una demos melón general requerirla un poco más de notación).
[-25365
37. Sea A
[i 0
Construya una matriz C de 2 x 3 (por
prueba y error) usando sólo 1. - 1 y 0 como entradas, de tal forma que CA = k Calcule ACy ohserve que A C * h-
http://www.fullengineeringbook.net 138 of 461.
2.3
• 3& Sea
A
«
J
^J Construya una matriz
D,
41. [M| Sea
de
.0130 .0050 .0020 .0010
4 x 2 , usando solo I y 0 como entradas, de tal forma que AD = k- ¿Es posible que G4 = U para alguna matriz C de 4 x 2? ¿Por qué? 3 a [MJSea '.011 n = .003 .001
.003 .009 .003
Caracterizaciones de matrices lnvertibles 1 2 1
.0050 .0100 .0040 .0020
.0020 .0040 .0100 .0050
.0010 .0020 .0050 .0130
la matriz de flexibilidad para una viga elástica, como la del ejemplo 3, con cuatro puntos en los que se aplican fuerzas. Las unidades son centímetros por newton de fuerza. Las me deiones en los cuatro puntos identifican deflexiones de .07. .12. .16 y .12 cm. Determine las fuerzas presentes en los cua tro puntos.
.001 .003 .011
una matriz de flexibilidad, con la flexibilidad medida en pul jpdas por libra. Suponga que se aplican fuerzas de 40. 50 y 30 Ib sobre los puntos 1, 2 y 3. respectivamente, en la figura I del ejemplo 3. Encuentre las deflexiones correspondientes.
pvf] Con Dcomo en el ejercicio 41. determine las fuerzas que producen una deflexión de .22 cm en el segundo punto de La viga, con deflexión cero en los otros tres puntos. ¿Cómo están relacionadas la respuesta al problema y las entradas de ü " 1? [Sugerencia: Primero conteste la pregunta para una deflexión de 1 cm en el segundo punto).
40. [M] Encuentre la matriz de rigidez D~' para la D del ejer cicio 39. Liste las fuerzas que se necesitan para producir una deflexión de .04 pulgadas en el punto 3. con deflexión cero en los otros puntos.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. a) del ^
= 3 -6 —(—9) • 2 = 1 8 + 1 8 = 36. El determinante es diferente de
cero, de manera que la matriz es invertible. b) d e t j ^
^
j = 4 -5 -
c) d c t £ _ ^
( - 9 ) - 0 = 20 ^ 0. La matriz es invertible.
= 6 - 6 - ( —9 )(—4) = 3 6 - 3 6 = 0. La matriz no es invertible.
[ - 1I
-2 5
-I I 6 0
5
-4
5 0
[ 01 - 23 - 15 0
6
10
[ 01 - 23 - 15 0
0
0
1 1 -5
0 0' 1 0 0
I
0 0" 1 0 0
1
1 0 0' 1 1 0 -7 -2
1
Así. \A / I es ahora equivalente por filas a la matriz de la forma \B D\. donde f ie s una matriz cuadrada y tiene una fila de ceros, l-as operaciones de fila adicionales no van a transformar a fien I, así que el proceso se detiene. A no tiene una Inversa
2.3
CARACTERIZACIONES DE MATRICES INVERTI BLES Esta sección constituye un repaso de la mayoría de los conceptos estudiados en el capítulo 1, en relación con sistemas de n ecuaciones lineales de n Incógnitas y con matrices cuadradas. El resultado principal es el teorema 8.
http://www.fullengineeringbook.net 139 of 461.
12 2
CAPÍTULO 2
Álgebra de mal rices
TEOREM A 8
E teorem a de la matriz Invertlble Sea A una matriz cuadrada d e n x a Entonces, los siguientes enunciados son equiva lentes. Es decir, para una A dada, los enunciados son todos ciertos o todos falsos. a) A es una matriz invertible. A) A es equivalente por filas a la matriz identidad de n x n. c) A tiene n posiciones pivote. d) La ecuación A x = ttle n e solamente la solución trivial. e) Las columnas de A forman un conjunto linealmente independiente. f ) La transformación lineal x *-* A x es uno a uno. g) La ecuación A x = b tiene al menos una solución para toda b en
R".
h) Las columnas de A generan IR". ij
La transformación lineal x *-* A x mapea R" sobre
j)
Existe una matriz C de n x n tal que CA = /.
R".
k) Existe una matriz D d o n x n tal que A D = I. D /4r es una matriz invertible.
(b)
*
u (0 <=
HGURA 1
00 * * (h) <=> (i) (d) <=> (c) «=> (f)
(a) <=> (1)
Primero, se necesita alguna notación. Si la veracidad del enunciado á) siempre implica que el enunciado j) sea cierto, se dice que a) implica a j), y esto se representa como a) «=*j). La demostración establecerá el “círculo’ de implicaciones que se ilustra en la figura 1. Si cualquiera de estos cinco enunciados es cierto, entonces también lo son los demás. Por úl timo. la demostración relacionará los enunciados restantes del teorema con los enunciados incluidos en este circulo. DEMOSTRACIÓN S el enunciado a) es cierto, entonces A ~ l funciona para C en j ). de ma nera que á) =>j ). Luego, J) => d) por el ejercicio 23 de la sección 2.1. (Regrese y lea el ejercicio). También, d) =» c) por el ejercicio 23 de la sección 2.2. Si A es cuadrada y tiene n posiciones pivote, entonces los pivotes deben estar sobre la diagonal principal; en tal caso, la forma escalonada reducida de A es /„ Por lo tanto, c) => A). También, A) => a) por el teorema 7 de la sección 2.2. Esto completa el círculo de la figura l. Ahora, a) => A) porque A ~ l funciona para D. También. Á) => g) por el ejercicio 26 de la sección 2.1, y g) => a) por el ejercicio 24 de la sección 2.2. Asi que g) y A) están vincu lados al círculo. Además, g), h) e i) son equivalentes para cualquier matriz, de acuerdo con el teorema 4 de la sección 1.4 y el teorema 12a) de la sección 1.9. Por consiguiente, h) e i) están vinculados al círculo a través de g). Como d) está vinculado al círculo, también lo están e) y A. porque d), e) y f) son todos equivalentes para cualquier matriz A. (Véase la sección 1.7 y el teorema 12A) de la sección 1.9]. Por último, a) =* /) de acuerdo con el teorema 6c) de la sección 2.2, y /) a) por el mismo teorema intercambiando A y A r. Esto completa la demostración. ■ Según el teorema 5 de la sección 2.2. el enunciado g) del teorema 8 también se podría escribir como: “ La ecuación A x = b tiene una solución única para toda b en R, r . Este enun ciado realmente implica a tí) y. por lo tanto, implica que A es invertible. El siguiente hecho es consecuencia del teorema 8 y del ejercicio 12 de la sección 2.2.
Sean A y 5 matrices cuadradas. Si A B = /. entonces A y Z?son invertibles, con B = A 1 y A = B~l.
http://www.fullengineeringbook.net 140 of 461.
2.3
Caracterizaciones de matrices lnvertibles 12 3
El teorema de la matriz invertible divide al conjunto de todas las matrices de n x n e n dos clases disjuntas: las matrices invertibles (no singulares) y las matrices no invertibles (sin gulares). Cada enunciado del teorema describe una propiedad de toda matriz de n x n inver tible. La negación de un enunciado del teorema describe una propiedad de toda matriz singular de n x n. Por ejemplo, una matriz singular de n x tino es equivalente por filas a In. no tiene n posiciones pivote, y tiene columnas linealmente dependientes. Las negaciones de los otros enunciados se consideran en los ejercicios. E JE M P L O 1
Use el teorema de la matriz Invertible para determinar si A es invertible:
SOLUCIÓN 1 0 r • " 21 4 -- 0 0 1 0 -1 - » J Lo
A~
0 " 21 1 4 0 3j
Por lo que A tiene tres posiciones pivote y. por lo tanto, es invertible, de acuerdo con el enun ciado c) del teorema de la matriz invertible. ■ El poder del teorema de la matriz invertible radica en las relaciones que establece entre tantos conceptos importantes, tales como la independencia lineal de las columnas de una matriz A y la existencia de soluciones para ecuaciones de la forma A x = b. Sin embargo, se debe enfatizar que el teorema de la matriz invertible se aplica solo a matrices cuadradas. Por ejemplo, si las columnas de una matriz de 4 x 3 son linealmente independientes, no puede usarse el teorema de la matriz invertible para obtener cualquier conclusión acerca de la exis tencia o inexistencia de soluciones a ecuaciones de la forma A x = b.
T ransform aciones lineales invertibles Recuerde de la sección 2.1 que la multiplicación de matrices corresponde a la composición de transformaciones lineales. Cuando una matriz A es inverllble, la ecuación A~l A x = x se puede ver com o un enunciado acerca de transformaciones lineales. Véase la figura 2.
Multiplicación por A x»
• A* Multiplicación por A'1
RGURA 2 A~1transforma Ax de regreso 3 x
Se dice que una transformación lineal T : Rn S : R ” -► Rn tal que
R n es m vertible si existe una función
5 (7 { x ))= x
p a ra to d a x e n R "
(1)
7(5(*)) = x
para toda x e n Rn
(2)
E3 siguiente teorema establece que si dicha S existe, es única y debe ser una transformación lineal. Se dice que S e s la inversa de T y se escribe como T ~ \
http://www.fullengineeringbook.net 141 of 461.
12 4
CAPÍTULO 2
Álgebra de mal rices
TEOREM A 9
Sea T : R° -*■ Jtfl una transformación lineal y sea A la matriz estándar para T. Asi, T es invertible si y solo si A es una matriz invertlble. En tal caso, la transforma ción lineal S dada por 5{x) = A~ 'x es la única función que satisface las ecuaciones (i) y (2).
DEMOSTRACIÓN Suponga que T e s invertible. Entonces (2) indica que T e s sobre R" porque si b está en R * y x = 5(b). entonces 7{x) = 7{S{b)) = b. asi que toda b está en el rango de T. Por lo tanto. A es invertible, de acuerdo con el teorema de la matriz invertible, enunciado í). Bar el contrario, suponga que A es invertible y sea S[x) = A 'x. Entonces. S o s una trans formación lineal y evidentemente satisface (1) y (2). Por ejemplo. ^ 7 (x )) = 5í/ix) = / l - , ( /lx ) = x Por consiguiente. T e s invertible. La demostración de que 5 es única se describe de manera general en el ejercido 38. ■ E JE M P L O 2 de R" en R12?
¿Qué se puede decir acerca de una transformación lineal T uno a uno
SOLUCIÓN Las columnas de la matriz estándar A de T son linealmente independientes (según el teorema 12 de la secdón 1.9). Por lo que A e s invertible, de acuerdo con el teo rema de la matriz invertible, y T mapea R ° sobre R". También. T es invertible, según el teorema 9. ■
------ NO TAS NU M ÉR ICAS -----------------------------------------------------------------------------------En la práctica, se puede encontrar ocasionalmente una matriz 'casi singular" o mal condicionada una matriz invertible que puede convertirse en singular si algunas de sus entradas se modifican ligeramente. En este caso, es posible que la reducdón por filas produzca menos de n posidones pivote, debido al error de redondeo. Ade más, los errores de redondeo, algunas veces, hacen que una matriz singular parezca invertible. Algunos programas de matrices calculan un número d e ccndkkn para una ma triz cuadrada. Cuanto mayor sea el número de condición, más cerca estará la matriz de ser singular. El número de condidón de la matriz identidad es 1. Una matriz singular tiene un número de condición infinito. En casos extremos, un programa de matrices podría no distinguir entre una matriz singular y una matriz mal condicionada. Los ejercicios 41 a 45 ponen de manifiesto que los cálculos de matrices llegan a producir errores sustanciales cuando un número de condición es grande.
| WEB |
PROBLEMAS DE PRÁCTICA»
1. Determine si A =
es invertible.
2. Suponga que para cierta matriz A de n x n. el enunciado g) del teorema de la matriz Invertible no es verdadero. ¿Qué puede decirse acerca de las ecuaciones de la forma A x = b? a
Suponga que A y B son matrices de n x n y que la ecuación ABx = § tiene una solu ción no trivial. ¿Qué puede decirse acerca de la matriz AB?
http://www.fullengineeringbook.net 142 of 461.
2.3
Caracterizaciones de matrices lnvertibles 12 5
2 .3 EJER C IC IO S * A menos que se especifique lo contrario, suponga que en estos ejer ciclos todas las matrices son de n x n En los ejercicios 1 a 10. de termine cuáles de las matrices son lnvertibles. Use tan pocos cálculos como sea posible. Justifique sus respuestas.
d) Si la ecuación Ax ■ btiene al menos una solución para toda b en R”, entonces la transformación x *-*■Ax no es uno a uno. e) Si existe una b en R" tal que la ecuación Ax = b es con sistente. entonces la solución es única. 13. Una nurfrtx tria n ^ fa r superior de m x n ® aquella cuyas entradas debajo de la diagonal principal son ceros (como en el ejercicio 8). ¿Cuándo es Invertible una matrtz triangular supe dar cuadrada? Justifique su respuesta.
3 2 -4
0 -3 "] 0 4 7
0
[ a
J
r 0 8 —3 2 3 2 1
■-1 - 3 3 5 -2 -6 0 -1
oo.
14. Una iw ti li triangjiar inferio r de m x n es aquella cuyas entradas arriba de la diagonal principal son ceros (como en el ejercicio 3). ¿Cuándoes invertible una matriz triangular inferior cuadrada? Justifique su respuesta.
I -3 - 6 ] o 4 3 3 6
°J
*3 0 0 0
4 1 0 0
7 4 2 0
* l ü ¿Puede ser lnvertlble una matriz de 4 x 4. cuando sus columnas no generan a ¡R*? ¿Por qué? 4' 6 8 1
*la
* 17. ¿Puede una matriz cuadrada con dos columnas idénticas ser invertible? ¿Por qué?
‘ 4 0 - 3 —7" 9 9 9 -6 [MI 7 - 5 10 19 4 -1 -1 2 ‘5 6 |M | 7 9 8
3 4 5 6 5
Si una matriz A de n x nes lnvertlble. entonces las columnas de A7”son llnealmente independientes. Explique por qué.
* 18. ¿Puede una matriz cuadrada con dos filas Idénticas ser inver tlble? ¿Por qué? * 19l Si las columnas de una matriz D, de 7 x 7. son linealmente independientes, ¿qué se puede decir acerca de las soluciones (fe Dx = b? ¿Por qué?
1 7 2 8 3 10 4 -9 2 11
’
En los ejercicios 11 y 12. todas las matrices s o n /ix n . Cada inciso de estos ejercicios es una implicación de la forma ‘si (enunciado 1), entonces (enunciado 2)'. Marque cada Implicación como verdadera 0 falsa, considerando lo siguiente. Una implicación es verdadera si el enunciado 2 es verdadero siempre que el enunciado 1 sea cierto. Una implicación es falsa si existe un caso en el que el enunciado 2 es falso, pero el enunciado 1 es verdadero. Justifique sus respuestas. 11. a) SI la ecuación Ax = Otiene únicamente la solución trivial, entonces A es equivalente por filas a la matriz identidad de nxn. b) SI las columnas de A generan a R". entonces las columnas son llnealmente independientes. c) Si A es una matriz d e n x n . entonces la ecuación Ax = tiene al menos una solución para toda b en R".
b
d) Si la ecuación Ax - O tiene una solución no trivial, enton ces A tiene menos de n posiciones pivote. e) Si ATno es lnvertlble. entonces A no es invertlble. 12. <í) Si existe una matriz D de n x n tal que AD • /. entonces DA = 1. A) SI la transformación lineal x*-* /txmapea R 'e n R°. enton res la forma escalonada reducida de A es / c) SI las columnas de A son llnealmente independientes, enton res las columnas de A generan a R°.
20.
Si A es una matriz de 5 x 5 y la ecuación Ax = bes consistente pora toda b en R5. ¿es posible que. para alguna b la ecuación Ax = b tenga mas de una solución? ¿Por qué?
*21. Si la ecuación Cb = ▼tiene más de una solución para alguna ▼en R”, ¿pueden las columnas de la matriz Cde n x n generar a R'? ¿Por qué?
*22.
Si las matrices E y F de n x n tienen la propiedad de que £ F » /. entonces E y F conmutan Explique por qué.
* 23. Suponga que F es una matriz de n x a Si la ecuación I x - y es inconsistente para alguna yen R". ¿qué se puede decir acerca de la ecuación Ex = •? ¿Por qué? * 24 Si una matriz C de n x n no se puede reducir por filas a L ¿qué se puede dedr acerca de las columnas de G? ¿Por qué? * 25l Compruebe el enunciado del recuadro antes del ejemplo 1. * 26. Explique por qué las columnas de A2generan a R" siempre que las columnas de una matriz A de n x n son llnealmente inde pendientes. * 27. Sean A y Fmatrices de n x n . Demuestre que si ABe s invertlble. también lo es A No podrá utilizar el teorema 6b). porque no es posible suponer que A y i?son lnvertibles. [Sugerencia: Existe ina matriz IPtal que ABW = 1. ¿Por qué?]. 28. Sean A y B matrices de n x n. Demuestre que si AB es Inver tible, también Fio es. * 2 a SI / es una matrtz de n x n y la transformación x •-♦Ares uno a uno. ¿qué más puede decirse acerca de esta transformación? Justifique su respuesta.
http://www.fullengineeringbook.net 143 of 461.
12 6
CAPÍTULO 2
Álgebra de mal rices
3 a Si /Íes una matriz de n x n y la ecuación Ax = b tiene más de uta solución para alguna b entonces la transformación x —* Ax no es uno a uno. ¿Qué más se puede decir acerca de esta trans formación? Justifique su respuesta.
41. (MI Suponga que un experimento conduce al siguiente sistema de ecuaciones:
31. Suponga que Aes una matriz de n x «con la propiedad de que ta ecuación Ax - b tiene al menos una solución para toda b en R". Sin utilizar los teoremas 5 u 8. explique por qué cada ecuación Ax - btiene, en efecto, exactamente una solución.
a) Resuelva el sistema (3). y después resuelva el sLstema (4) que se presenta a continuación en el cual los datos a la dere cha se redondearon a dos decimales. En cada caso, encuentre la solución exacta.
32. Suponga que A es una matriz de n x neón la propiedad de que b ecuación Ax = 0 tiene solamente la solución trivial. Sin uti lizar el teorema de la matriz Invertible, explique directamente por qué la ecuación Ax = b debe tener una solución para toda ben R". En los ejercicios 33 y 34, Tes una transformación lineal de R2 en ¡R2. Demuestre que Tes Invertible y encuentre una fórmula para T *. 33. l\x\. xd - (-5*1 + 9 *2.4*1 - 7*2) 34 7Ui. j&) = (2*i - 8x7. - 2 * + 7 xj) 35. Sea T : R" -* R" una transformación lineal invertlble. Expli que por qué fe s tanto uno a uno como sobre R”. Use las ecua dones (1) y (2). Después, dé una segunda explicación usando uno o más teoremas. 36 Suponga una transformación lineal T : R" -* R° con la pro piedad de que T\w) = 7\x) para algún par de vectores distintos o y ▼en R". ¿Puede Tmapear R° sobre IR"? ¿Por qué? 37. Suponga que T y U son transformaciones lineales de R" a R" tales que TlUfá) = x para toda x en R". ¿Es cierto que LA7(x)) ” xpara toda xen R"?¿Por qué? 38. Sea T : R" -► R° una transformación lineal invertible, y sean 5 y U funciones de IR” en R” tales que S(7\x)) = i y ÍÁ7(x)) » xpara toda xen R°. Demuestre que U[x) “ 5(v) para toda v en R”. Esto demostrará que T tiene una Inversa única, como se establece en el teorema 9. [Sugerencia: Dada cualquier v en R", se puede escribir r = 71x) para alguna x ¿Por qué? Calcule S(x) y (Ay)). 38 Sea T una transformación lineal que mapea R" sobre (Rn. Demuestre que T 1existe y mapea ¿"en R". ¿ T 1es también uno a uno? 4 1 Suponga que Ty S satisfacen las ecuaciones de invertlbilldad (1) y (2). donde fe s una transformación lineal. Demuestre di ledamente que 5 es una transformación lineal. [Sugeren cia: Dadas n y v en R". sea x = 5W. y - Sy). Entonces. 7(x) = a 7(y) = y ¿Por qué? Aplique 5 a ambos miembros
4.5*, + 3 .1 * , = 19.249 1 .6 * ,+ 1.1*2 =
6.843
(3)
4 5 * ! +3.1*2 = 19.25 1 .6 * i+ 1.1*2= 6.84
tít Las entradas del sistema (4) difieren de las del sistema (3) en menos del .05%. Encuentre el porcentaje de error cuando se utiliza la solución de (4) como una aproximación a la solu ción de (3). c) Lhe un programa de matrices para producir el número de condición de la matriz de coeficientes de (3). Los ejercicios 42. 43 y 44 ilustran cómo utilizar el número de con dición de una matriz A para estimar la exactitud de una solución calculada de Ax = b. Si las entradas de A y b son exactas con a pro ximadamente r dígitos significativos, y si el número de condición deAesaproxlmacbmente 101(siendo k un entero positivo), entonces la solución calculada de Ax - b debería ser exacta hasta al menos r - ¿dígitos significativos. 42. |M] Sea A la matriz del ejercicio 9. Encuentre el número de condición de A Construya un vector aleatorio xen R4y calcule b » A x Después use un programa de matrices para calcular la solución Xj de Ax = b ¿En cuántos dígitos concuerdan x y x,? Encuentre el número de dígitos que el programa de matrices almacena con precisión, e informe cuántos dígitos de exactitud se pierden cuando se usa X( en lugar de la solución exacta x 41 |M] Repita el ejercicio 42 para la matriz del ejercicio 10. 41 [MI Resuelva Inecuación Ax ■ b para obtener una b(jue sirva para encontrar la última columna de la Inversa de la matriz de Hilbert de quinto orden ■ 1 1/2 1/3 1/4 .1 /5
1/2 1/3 1/4 1/5 1/6
1/3 1/4 1/5 1/6 1/7
1/4 1/5 1/6 1/7 1/8
1/51 1/6 1/7 1/8 1/9.
¿Cuántos dígitos de cada entrada de xespera que sean correc tos? Explique su respuesta. [Nota: La solución exacta es (630, -12800, 58700. -88200. 44100)1, 4S [M] Algunos programas de matrices, como MATLAB. tienen una orden para crear matrices de Hilbert de varios tamaños. Si es posible, use un comando inverso para calcular la inversa de una matriz de Hilbert A de duodécimo orden o mayor. Calcule A4~‘. Realice un informe de sus hallazgos.
http://www.fullengineeringbook.net 144 of 461.
2.4
Matrices partlclonadas 12 7
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Es evidente que las columnas de A son linealmente dependientes, ya que las columnas 2 y 3 son múltiplos de la columna 1. Por lo tanto, A no puede ser invertible, de acuerdo con el teorema de la matriz invertible. 2. Si el enunciado g) no es verdadero, entonces la ecuación A x * b es inconsistente para al menos una b en R /I. & Aplique el teorema de la matriz invertible a la matriz A B en lugar de A. Entonces, el enun ciado d) se convierte en: 'A B x = O tiene solamente la solución trivial". Esto no es cierto. Por lo tanto. A fino es invertible.
MATRICES PARTICIONADAS Una característica clave de nuestro trabajo con matrices ha sido la capacidad para considerar a una matriz A como una lista de vectores columna y no tan solo un arreglo rectangular de números. Este punto de vista ha resultado tan útil que seria deseable considerar otras partí d o n e s de A. indicadas por las lineas divisorias horizontales y verticales, como en el ejemplo 1 que se presenta a continuación. Las matrices particionadas se presentan en la mayoría de las aplicaciones modernas del álgebra lineal porque la notación resalta la estructura esencial de los cálculos matriciales. como se mostró en el ejemplo introductorio de este capítulo acerca del diseño de aeronaves. Esta sección ofrece una oportunidad para revisar el álgebra matricial y usar el teorema de la matriz invertible. E JE M P L O 1
La matriz
r A =
0 2
3 -5
.-8
-6
-1 4
5 0
9 -3
—2 ] 1
3
1
7
-4 _
también se puede escribir como la m atriz p a r tk k n a d a de 2 x 3 (o p a r hlnqmwj de A \\ ¿2 i
¿12
An
¿ 2j
¿23
cuyas entradas son los Noques (o las submatrices)
1
00
II
/ll, = [ - 5 M
2.4
5 -i]-6
3 ],
A '2 = [ l
-5 }
¿22 = [1
7 ],
A* m [
í]
¿23 = [ - 4 ]
E JE M P L O 2 Cuando una matriz A se presenta en un modelo matemático de un sis tema físico, como en una red eléctrica, un sistema de transporte o una gran compañía, tal vez resulte natural considerar A como una matriz particionada. Por ejemplo, si un tablero de circuitos de microcomputadora consta principalmente de tres microcircuitos VLSI (very large-scate integraied. es decir, integrados a escala muy grande), entonces la matriz para el tablero de circuitos podría tener la forma general
¿ =
¿II
¿12
¿1 3
¿21
¿22
¿23
. ¿31
¿32
¿33
l-as submatrices en la "diagonal” de A —a saber. A n. A?? y A33— se refieren a los tres cir cuitos VLSI, mientras que las otras submatrices dependen de las interconexiones que haya entre esos microcircuitos. ■
http://www.fullengineeringbook.net 145 of 461.
12 8
CAPÍTULO 2
Álgebra de matrices
Sum a y m ultiplicación escalar Si las matrices A y 5 son del mismo tamaño y están particionadas exactamente en la mis ma forma, resulta natural efectuar una partición sim ilar de la suma ordinaria mal ricial A + R En este caso, cada bloque de A + B es la suma (matridal) de los bloques correspondientes de A y B. La multiplicación por un escalar de una matriz paiticionada también se calcula bloque por bloque.
M ultiplicación de m atrices p articio n ad as Las matrices particionadas se pueden multiplicar utilizando la regla fila-columna como si las entradas del bloque fueran escalares, siempre que para un producto AB. la partición por columnas de A equivalga a la partición por filas de B.
EJEMPLO
3
Sean
r 6 [2 - 3 1 1 5 -2 A = .0 - 4 - 2
4i
0 -4 3 -1 7 -1 5
2
Las cinco columnas de A están particionadas en un conjunto de tres columnas y. luego, en uno de dos columnas. Las cinco filas de B están particionadas de igual manera (en un conjunto de tres filas y después en uno de dos filas). Se dice que las particiones de A y B e s tán conform adas ¡«ara la n n itip lk a r ió n p o r bloques Es posible demostrar que el producto común A B se escribe como
AB = \ A"
[ a 2í
/t|2ir/?l1 í/l,,/*1+ÁnB21 A n ] [ B 2\
=
[AuBx + A n B ii
= \ -6
I 2
4“ 2 I
Es importante escribir cada producto menor de la expresión para A B con la submatriz de A a la izquierda, ya que la multiplicación de matrices no es conmutativa. Por ejemplo.
uih Por lo tanto, el bloque superior es
AnB,
+ ¿ ,,8 .-[ '* j j ] + [ ”
7 ] = [ -6
2]
I-a regla fila-columna para la multiplicación de matrices por bloques ofrece la manera más general de considerar un producto de dos matrices. Cada una de las siguientes formas de ver un producto ya se describió mediante particiones sencillas de matrices: 1. la defini ción de A x usando las columnas de A, Z la definición de columna de AB, 3L la regla filacolumna para calcular AB, y 4 las filas de Á ficomo productos de las filas de A y la matriz B. Una quinta manera de ver AB, usando de nuevo particiones, se presentará más adelante en el teorema 10. Los cálculos del siguiente ejemplo preparan el camino para el teorema 10. Aquí, col¿(,4) es la ¿vésima columna de A, y la fila* (B\ os la Á-éslma fila de B.
http://www.fullengineeringbook.net 146 of 461.
2.4
E JE M P L O 4
Sea A
Matrices partlclonadas 12 9
a » - [ ; /d J. Compruebe que
AB = col, (A) filai(fi) + coh(A) Ílla 2(/J) + cotaíA) fila3(5) SOLUCIÓN Cada uno de los términos anteriores es un producía extemo. (Véase los ejerci d o s 27 y 28 de la secrión 2.1). Por la regla fila-columna para calcular un producto m atridal.
col, M)fila, = [ , ] [ „
*] = [ ^
coljM)fllastfil “ [ s ] [ f
/ 1 ==[ £
“ ]
5/ ]
De modo que 3
- 3b + d + 2 f ] b-4d+ 5f
T - 3 a + c + le [ a - 4c + 5e
]TcoW>l)fila*<5) k= l
Es evidente que esta matriz es A B Observe que la entrada (1. 1) de AB es la suma de las entradas (1. 1) de los tres productos extemos, la entrada (1, 2) en >15es la suma de las entra das {1. 2) de los tres productos externos, y asi sucesivamente. ■
T E O R E M A 10
Expansión columna-fila de AB Si A es de m x n y B es de n x p, entonces fila,(5) fila2(5) >15= (col, {A)
col2(>4)
coUA)|
( 1)
fila„(5) = col|(>l)filai(5) + ••• + coln(A) fila¿(5)
DEMOSTRACIÓN Para cada índice de fila i e índice columna j. la entrada (/, Jf en col^A) fila*(5) es el producto de a,* de coljfA) y bq de filai(5). Por lo tanto, la entrada (/, j de la suma que se muestra en la ecuación (1) es o n b ij <* = 1)
+
a n b ij (A = 2)
+
•••
+
a¡nbnJ (A - n)
Esta suma también es la entrada {i,j) de AB, por la regla fila-columna
Inversas de matrices particionadas El siguiente ejemplo ilustra los cálculos relacionados con inversas y matrices particionadas. E JE M P L O 5
Se dice que una matriz de la forma
es triangular superior por bloques. Suponga que A,| es de p x p, A 22 es de q x q. y >1 invertible. Encuentre una fórmula para A~l.
http://www.fullengineeringbook.net 147 of 461.
13 0
CAPÍTULO 2
Álgebra de matrices SOLUCIÓN D enote/! *1con B, y efectúe una partición de B para que
r-4 .i *,ir*« L°
B22
o]
J [0 7fJ
(2)
Esta ecuación matricial proporciona cuatro ecuaciones que conducen a los bloques des conocidos B| | ......B¿2. Calcule el producto a la Izquierda de (2), e Iguale cada entrada con el bloque correspondiente en la matriz identidad a la derecha. Es decir, establezca A \\B \\ + A\2Bí \ = lp
(3)
A \\B \2 + A \2Bi 2 = 0
(4)
A22&1 = 0
{5)
A 22B22 ~
(®)
Por sí misma, (6) no establece que A& sea invertible. Sin embargo, ya que A22 es cuadrada, el teorema de la matriz invertible y (6). juntos, indican que A22 es invertible y B¡2 = A^2 . Ahora, al multiplicar por la izquierda ambos lados de (5) por A22, se obtiene Bzi = A ¿ 0 = 0 por lo que (3) se simplifica a A \iB u + 0 = Ip Ya que Áu es cuadrada, esto demuestra que A\ 1 es invertible y B\ 1 = A¡¡. Por último, asando estos resultados con la ecuación (4) se encuentra que A \\B \2 ■ - A 12B 22 = —A\2A22
A~l =
r -An L 0
-A22\ r _
y
A \i r [ 0
B\ 2 =
A ^ A \ 2A^2
~ A X|' A \2Áyy 1 A-A
\
Una matriz «Kaganal p a r hlaqncw s una matriz partidonada con bloques cero fuera de la diagonal (de bloques) principal. Una matriz de este tipo es invertible si y solo si cada blo que sobre la diagonal es invertible. Véase los ejercidos 13 y 14.
------ NO TAS NU M ÉR ICAS -----------------------------------------------------------------------------------1. Cuando las matrices son demasiado grandes para caber en la memoria de alta ve locidad de una computadora, partidonarlas permite trabajar solamente con dos o tres submatrices a la vez. Por ejemplo, un equipo de investigadón de programa ción lineal simplificó un problema al particionar la matriz en 837 filas y 51 co lumnas. La soludón del problema tardó aproximadamente cuatro minutos en una su percomputadora Cray.1 2. Algunas computadoras de alta velocidad, en particular aquellas con arquitectura de conducdón vectorial, realizan cálculos m atridales con mayor efid e n d a cuando los algoritmos usan matrices partid onadas.2 3. Los programas de computadora profesionales para álgebra lineal numérica de alto desempeño, como LAPACK. utilizan de manera intensiva cálculos de matrices particionadas.
1 E l tiempo de solución no prece muy Impresionante hasta saber que cada bloque de las 51 columnas contenía, aproximadamente. 250,000 columnas Individuales. |E1 problema original tenia 837 ectecianes y más de 12.750,000 variables! C asi ICO millones de las más de 10 m il mlDones de entradas eran diferentes de cero. Véase Robert E. Bixby tí al.. *Vcry Large Scale Linear Programmlng: A Case Study in Comblnlng Interior P d n i and Sm plex Methods*. Opewñons Research. 40. niim . 5 (1992): 885 897. 1 la Impórtatela de tos algortmos de matrices por bloques p ra calados de computadora se describe en Mairix Ccmputations. 3a. ed. de Gene H, G dub y Charles F. van Ijoan (Baklmore: Johns Hopklns Urtversity Press 1906).
http://www.fullengineeringbook.net 148 of 461.
2.4
Matrices partlclonadas 1 3 1
Los siguientes ejercicios permiten obtener práctica con el álgebra matricial e ilustran los cálculos comunes que se encuentran en aplicaciones.
PROBLEMAS DE PRÁCTICA 1. Demuestre que
j
y es invertible y encuentre su inversa
2. Calcule X TX, donde A'está partícionada como \X\
X¡t],
2 .4 EJER C IC IO S * En los ejercidos 1 a 9. suponga que las matrices están partlclonadas de manera conformada para la mulUpÜcación por bloques. Calcule los productos que se Indican en los ejercidos 1 a 4.
En los ejercicios II y 12. marque cada enunciado como verdadero o falso. Justifique sus respuestas. * 11. a) Si A = |A| A2I y B = [5, Bi\, con A x y A2 de las mis mas dimensiones que fí, y fy. respectivamente, entonces A + B — |Aj + B\ Ai + /y .
* S1 14- [í|¡ A¿] y * “ [ £ } en,0nCB ^ En los ejercicios 5 a 8. encuentre fórmulas para X. Y y Z en términos de A B y C. y Justifique sus cálculos. En algunos casos, tendrá que hacer suposiciones acerca del tamaño de una matriz para obtener una fórmula. {Sugerencia: Calcule el producto a la Izquierda e Iguálelo al lado derechoj.
: ] [ ; : ]
nes de A y B están conformadas para la multiplicación por bloques. * 12. a) SI A,, A*. 5, y B¿ son matrices d e / i x n 4 = | ^ j. y B=[B\ B¿\. entonces el producto BA está definido, pero AB no lo está. tí) Si A = ^
^ j . entonces la transpuesta de A es
*p s][¡ ?]-[;;] 13. Sea A =
> [ ;:;] [ •
•]■[; : i
rA * [o
z] / J
B ]\X / J|_o
Y o
[/ L°
0 0] ° >\
• a Suponga que Bu es una matriz Invertible. Encuentre las ma trices Aíi y Ají (en términos de los bloques de B) de tal mane ra que el producto que aparece a continuación tenga la forma Indicada. Además, calcule Q 2 (en términos de los bloques de B). (Sugerencia: Calcule el producto a la Izquierda e Iguálelo al fado derecho].
Encuentre P. Q y R.
Q c J, donde B y C son cuadradas. Demuestre
que Aes invertlble si y solo si B y Cson invertibles. 14 Demuestre que el bloque de matriz triangular superior A en el ejemplo 5 es Invertlble si y solo si tanto Ai 1como A22 son Inver tibies. [Sugerencia Si Ai j yAj?son lnvertíbles, la fórmula para A-1, que se dio en el ejemplo 5. en realidad funciona como la Inversa de AJ. Este hecho de Aes una parte Importante de varios algoritmos de computadora que estiman valores propios de ma trices. Los valores propios se analizan en el capitulo 7 (en el sitio Web). * 15. Cuando se lanza una sonda espacial, es necesario hacer algu nos correcciones para colocar la nave en una trayectoria exacta. La radio telemetría proporciona un flujo de vectores. *1..... x* qje arrojan Información en diferentes momentos sobre cómo se compara la posición de la sonda con la trayectoria prevista. Sea Xk la matriz [xi — x*j. la matriz Ci¡ “ X tX f se calcula conforme se analizan los datos del radar. Cuando llega x*. se d»be calcular un nuevo Gm . Como los vectores de datos llegan a alta velocidad, la carga computac tonal podría ser grande. Pero la multiplicación de la matriz partícionada ayuda muchísimo. Calcule las expansiones columna fila de C* y G** 1. y describa lo que se debe calcular para actualizar G*a la forma C*+|.
http://www.fullengineeringbook.net 149 of 461.
13 2
CAPÍTULO 2
Álgebra de matrices Suponga qup A - j/„es Invertible y considere la ecuación (8) como un sistema de dos ecuaciones matridales. Resuelva la ecuación superior para x y sustituyala en la ecuación inferior. El resultado es una ecuación de la forma lKi)a = y. donde W(jt) es una matriz que depende de s. WW se denomina Junción de transferencia del sistema porque transforma la entrada u en la salida y Encuentre IHs) y describa cómo está relacionada con el sistema de matriz particlonada del miembro izquierdo de (8). Véase el ejercicio 16. Suponga que la función de transferencia s) del ejercicio 19 es invertible para alguna s. Es posible demostrar que la fun cíón de transferencia inversa Ufa)-1, que transforma salidas en entradas, es el complemento de Schur de A - BC - $!„ para b matriz que se presenta a continuación Encuentre este com plemento de Schur. Véase el ejercicio 16.
La sonda Gallleo fue lanzada el 18 de octubre de 1989 y llegó cerca de Júpiter a principios de diciembre de 1995. a.
l a Sea A =
t
:)te ®
i]
17. Suponga que la matriz por bloques A del lado izquierdo de (7) y i4u son invertlbles Demuestre que el complemento de Schur S d? Au es Invertible. \Sugereruia: Los factores externos to talizadas en el lado derecho de (7) siempre son Invertibles. Compruebe esto). Cuando A y A\\ son ambas invertibles, (7) conduce a una fórmula para A ~ \ utilizando S~ *. A¡xl y las otras entradas de A 18. Sea A'una matriz de dalos de m x n tal que X TX es invertible, y sea M » ¡m - X[XrXj~iX T. Añada una columna a los datos y forme * |.
Calcule WTW. La entrada (1,1) es X rX Demuestre que el com plemento de Schur (ejercicio 16) de X TXse puede escribir en la forma Aftfc. Es posible demostrar que la cantidad A/*;)-1 s la entrada (2, 2) de ( W/7M') *• Esta entrada tiene una Interpre tación estadística útil, a la luz de las hipótesis adecuadas. En el estudio de ingeniería de control de sistemas físicos, un con junto estándar de ecuaciones diferenciales se transforma en el si guiente sistema de ecuaciones lineales por medio de transformadas d? l a place: "c"-
B I
~C
/.I
a) Compruebe que A2 • /cuando A =
2
J
Si A\i es invertible, entonces la matriz
S - Azi - i4j|A,'|lÁiiSe llama canptnnm todeS churde A\\. Por otra parte, si A n ts invertible, la matriz A\\ - AnA¡\Ati se llama complemento de Schur de An- Suponga que A\ i es In vertible. Encuentre X y Ktal que
W -[X
A - B C -s i,
" ][;]= [* ]
■
donde A es de n x n, Bes de n x m, Ces de m x n, y ses una variable. El vector aen R"es la 'entrada' del sistema, yen R" es la 'salida* del sistema, y j e n R*es el vector de 'estado', (En realidad, los vectores x u y y son funciones de s, pero esto no afecta los cálculos algebraicos de les ejercicios 19 y 20).
tí) lite matrices partic tonadas para demostrar que M 2 = / cuando 0 1 0 2 -1 0 1 0 -1 0 1 -2 BL Generalice la idea del A de 6 x 6. M 0 C una matriz de 2 x 2 funciona.
0‘ 0 0 1
ejercicio 21 al construir una matriz Al 0 0' B 0 tal que M? I. Haga a C 0 D no nula. Muestre que su construcción
tSL Use matrices particionadas para demostrar, por inducción, que el producto de dos matrices triangulares inferiores también es triangular inferior. [Sugerencia: Una matriz A\ de (A + 1) x (k + I) se puede escribir en la forma presentada a continua ción, donde aes un escalar, eestá en R', y ¿ e s una matriz trian gular inferiorde k x k.
* 24 Use matrices particionadas para demostrar por inducción que para n - 2, 3..... la matriz A de n x n que se presenta a conti nuación es Invertible y que Bes su inversa. 1 1 1
0 1 1
0 0
1
1
I
1 -1 0
•
0' 0 0
1 0 1
- 1
.. . 0 0 1
•
1. ...
0‘ 0 0
-1
I.
• 0
http://www.fullengineeringbook.net 150 of 461.
2.5 Para el paso de induceton, suponga que A y B son matrices de (k + 1) x (k + I). y particlone A y Bde una manera similar a ka que se presenta en el ejercicio 23.
c) Construya una matriz de 50 x 50 de la forma C =
Sin utilizar reducción por filas, encuentre la inversa de 1 3 0 0 0
2 5 0 0 0
0 0 2 0 0
0 0 0 7 5
Factorizaclones de matrices 13 3
Nota: Tal vez no sea necesario especi
ficar los bloques de ceros en C\.
0 0 0 8 6
[MI Para las operaciones de bloque, podría ser necesario intro ducir o recurrir a submatrices de una matriz grande. Describa las funciones o los comandos de un programa de matrices que realice las siguientes tareas. Suponga que A es una matriz de 20 x 30.
87. [M] Suponga que debido a restricciones de memoria o al tama ño su programa de matrices no puede trabajar con matrices de mós de 32 filas y 32 columnas, y suponga que algún proyecto requiere las matrices A y flde 50 x 50. Describía los comandos o las operaciones de su programa para matrices que realizan las siguientes tareas. a) Cálculo de A + B ti Cálculo de AR c) Resolución de Ax = b para algún vector b en RM. supo niendo que A se pueda particlonar en una matriz por blo ques de 2 x 2 con A\\ una matriz lnvertible de 20 x 20. A¿2 una matriz Invertible de 30 x 30. y An una matriz cera [SutftTíMcúi: Describa sistemas adecuados más pequeños que puedan resolverse sin usar matrices inversas].
a) lYesente la submatriz de A de las filas 5 a 10 y de las columras 15 a 20. b) inserte una matriz B de 5 x 10 en una matriz;», comenzando en la fila 5 y la columna 10.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA
1. Si
es invertible, su inversa tiene la forma / A
Olí* W l\[Y
*1 \
z
r W [ AW + Y
. Compruebe que X 1 AX+Z\
Así. W, X, Y, Zdeben satisfacer W = / X = 0. AW + Y = 0. y A X + Z = I. Como con secuencia. Y = - A y Z = I. Por lo tanto.
[í
? ] - [ ; ?i
El producto en el orden inverso también es la identidad, de modo que la matriz de bloque es invertible, y su inversa es invcrtlble).
*
2.5
U "]
(También podría recurrir al teorema de la matriz
[$][*■ *j]=[S¡ S ] Usparticiorasde'ry;rseeon'
forman de manera automática para la multiplicación por bloques, ya que las columnas de A^son las filas de X. Esta partición de X TX se usa en varios algoritmos de computadora para cálculos de matrices.
FACT0RIZACI0NES DE MATRICES Una factorización de una matriz A es una ecuación que expresa a A como un producto de dos o más matrices. Mientras que la multiplicación de matrices implica una síntesis de da tos (combinando el efecto de dos o más transformaciones lineales en una sola matriz), la factorización de matrices es un análisis de datos. En el lenguaje de la ciencia computadonal. la expresión de A como un producto equivale a un procesamiento previo de los datos de A, organizando esos datos en dos o más partes cuyas estructuras son más útiles de algún modo, quizá por ser más accesibles para realizar cálculos.
http://www.fullengineeringbook.net 151 of 461.
13 4
CAPÍTULO 2
Álgebra de matrices Las factorizaciones de matrices y. después, las factorizarionesde transformaciones linea les se presentarán en un gran número de secciones clave a lo largo de este libro. Esta sección se enfoca en una factorización que constituye el centro neurálgico de varios importantes pro gramas de cómputo usados ampliamente en aplicaciones, com o en el problema de la aeronave descrito en la introducción del capítulo. Algunas otras factorizaciones que se estudiarán des pués. se presentan en los ejercicios.
La factorización LU La factorización LU. descrita a continuación, está motivada por el muy frecuente problema industrial y de negocios que consiste en resolver una sucesión de ecuaciones, todas con la misma matriz de coeficientes: Á x = k ,.
A x = b . ..........
A x = b,,
(1)
Véase el ejercicio 32. por ejemplo. También vea la sección 7.8 (en el sitio VVeb), donde se usa d método de la potencia inversa para estimar los valores propios de una matriz resolviendo una secuencia de ecuaciones, como en (1). una a la vez. Cuando A es invertible, se podría calcular A ~ x y después calcular A~ 'b |. A ~ lb>. y así sucesivamente. Sin embargo, resulta más eficiente resolver la primera ecuación en la se cuencia (1) con reducción por filas y obtener una factorización LU de A al mismo tiempo. Después, las ecuaciones restantes de (1) se resuelven con la factorización LU. Rimero, suponga que A es una matriz d e m x n que se puede reducir por filas a su for ma escalonada sin intercambios de fila. (Más adelante, se tratará el caso general). Entonces, A se puede escribir en la forma A - LU. donde L es una matriz triangular inferior d e m x m con números 1 en la diagonal, y U es una forma escalonada de m x n de A. Por ejemplo, véase la figura 1. Una factorización de este tipo se llama f a d o r b a d é a LU de A. La matriz L es Invertible y se llama matriz triangular inferior unitaria.
1
0 0 1
0 1
* •
•
•
•
•
0 ■ 0 0 0 0 1 0
•
•
*
•*
■
«
•
•
0 0
0 0
■
•
0
0
L RGURAi
U
Una factorización LU.
Antes de estudiar la forma de construir L y U, es necesario examinar la razón de su uti lidad. Cuando A = LU. la ecuación A x = b se escribe como L(Ux) = b Escribiendo y en lugar de U x se puede encontrar x resolviendo el par de ecuaciones ¿y=b
( 2)
ÍÁ = y Primero se despeja y de /.y = b. y luego se resuelve Ux = y para obtener x. Véase la figura 2. I-as dos ecuaciones resultan fáciles de resolver porque L y U san triangulares. E JE M P L O 1
Es posible comprobar que
2' 3 -7 -2 0 -3 5 1 6 -4 0 -5 12 -9 5 -5
1 0 -1 1 2 -5 -3 8
0 0 1 3
0' 0 0 1
http://www.fullengineeringbook.net 152 of 461.
2’ '3 - 7 - 2 0 - 2 -1 2 1 0 0 -1 0 0 -1 0
2.5
F a c to riz a c lo n e s d e m a tr ic e s
13 5
M ultiplicación por/4
X*
•b
t *
M ultiplicación por U f ig u r a
2 Faeto rizarió n del m apeo
M ultiplicación por L
x-* A x
Use esta faetorizarión LU de A para resolver A x =
b. donde b=
SOLUCIÓN La solución de Ly = b requiere únicamente de 6 multiplicaciones y 6 sumas, porque la aritmética ocurre solo en la columna 5. (En L, los ceros debajo de cada pivote se crean automáticamente con la elección de las operaciones de fila). 1 0 -1 1 2 -5 8 -3
0 0 1 3
0 0 0 1
-9 ' 5 7 II
"1 0 0 0
0 I 0 0
0 0 1 0
0 -9 ' 0 -4 0 5 1 1
Entonces, para Ux = y. la fase "regresiva" de la reducción por filas requiere de 4 divi siones. 6 multiplicaciones y 6 sumas. (Por ejemplo, para producir ceros en la columna 4 de [ U y] se requieren una división en la fila 4 y tres pares de multiplicación-suma para sumar múltiplos de la fila 4 a las filas de arriba).
y] =
3 -7 -2 2 -9 ' 2 -4 0 - 2 -1 0 0 -1 1 5 0 0 -1 0 1
1 0 0 0
0 1 0 0
0 0 1 0
0 3' 4 0 0 -ó 1 -1
Para encontrar x se requieren 28 operaciones aritméticas o "flops" (operaciones de pun to flotante), excluyendo el costo de encontrar L y U. En contraste, la reducción por filas de [A k ] a ( 7 *] requiere de 62 operaciones. ■ La eficiencia computacional de la faetorizarión LU depende de que se conozcan L y U. El siguiente algoritmo muestra que la reducción por filas de A a su forma escalonada U equivale a una faetorizarión LU, porque produoe L prácticamente sin trabajo ex tra Des pués de la primera reducción por filas, L y U se obtienen al resolver ecuaciones adicionales cuya matriz de coeficientes es A.
Un algoritm o de faetorizarión LU Suponga que A se puede reducir a una forma escalonada í/utílizando solo remplazos de filas que suman un múltiplo de una fila a otra situada debajo de esta. En este caso, existen matrices elementales triangulares inferiores unitarias E\...... Fv tales que Ey - E lA = U
(3)
Luego. A = (Ey - £ ¡ ) - 1U = L U donde
L= (E ,
- £ * ,) - •
http://www.fullengineeringbook.net 153 of 461.
(4)
13 6
CAPÍTULO 2
Álgebra de matrices Es posible demostrar que los productos y las inversas de las matrices triangulares inferiores unitarias también son triangulares inferiores unitarias. (Por ejemplo, véase el ejercido 19). Así, ¿ es triangular inferior unitaria Observe que las operaciones de fila en la ecuadón (3), que reducen A a U. también re ducen la ¿ e n la ecuadón (4) a I, debidoa que Ep ••• E \L = (Ep ••• E\){Ep ••• £ i) _l = / Esta observación es la clave para construir L
ALGORITMO PARA UNA FACTORIZACIÓN LU 1. Si es posible, reduzca A a una forma escalonada ¿/con una sucesión de operaciones de remplazo de filas.
2.
Coloque las entradas de ¿ d e tal manera que la misma secuencia de operaciones de fila reduzca ¿ a ¿
El paso 1 no siempre es posible, pero cuando lo es, el argumento anterior indica que existe una factorizadón LU. En el ejemplo 2 se mostrará cómo implementar el paso 2. Por consírucdón, ¿ satisfará {Ep ••• E \ ) L = /
donde se usan las mismas E\......Ep que en la ecuadón (3). Asi. ¿ será invertible, de acuerdo con el teorema de la matriz invertible, con {Ep ••• E\) = ¿ _ l. A partir de (3). L ~ XA = U. y A = LU. Por lo tanto, el paso 2 produdrá una ¿ aceptable. E JE M P L O 2
Encuentre una factorizadón LU de
A ~
'2 4 -1 5 - 2 ' - 4 - 5 3 - 8 1 2 - 5 - 4 1 8 -6 0 7 - 3 I
SOLUCIÓN Como A tiene cuatro filas, ¿d e b e ser de 4 x 4. La primera columna de ¿ e s la primera columna de A dividida entre la entrada pivote superior: 1 -2 1 -3
0 1
0 0 1
0 0 0 1
Compare las primeras columnas de A y ¿. la s operaciones de fila que crearon ceros en la primera columna de A también crearán ceros en la primera columna de ¿ . Para lograr que esta misma correspondencia de operaciones de fila sea válida para el resto de ¿. se examina una reduedón por filas de A a una forma escalonada U. Es dedr, se resaltan las entradas en cada una de las matrices que se utilizan para determinar la secuencia de las operadones de fila que transforman A en U. [Véase las entradas resaltadas en la ecuadón (5)].
A =
2 4 -1 5 -2 ' -4 -5 3 -8 1 2 -5 -4 8 1 -6 0 7 -3 1
42 =
'2 0 0 0
4 -1 3 I 0 0 0 0
5 -2 ' 2 -3 2 1 4 7
'2 4 -1 5 -2 ' 0 2 -3 3 I 0 - 9 - 3 - 4 10 4 12 - 5 _ 0 12 '2 0 0 0
4 -1 3 1 0 0 0 0
http://www.fullengineeringbook.net 154 of 461.
5 2 2 0
(5)
-2 ' -3 1 5
U
2.5
Factorizaclones de matrices 13 7
Las entradas resaltadas de la ecuación (5) determinan la reducción por filas de A a U. En cada columna pivote, divida las entradas resaltadas entre el pivote y coloque el resultado en L :
1
4
1 -2 1 -3
1 -3 4
i
0 1
0 0
0 ' 0
1
-3 4
1 2
0
-2 y
1 2
K
-3
1
Un cálculo fácil comprueba que estas L y í/satisfacen que L U = A.
■
En el trabajo práctico, casi siempre son necesarios los intercambios de fila, porque se usa el pivoteo parcial para lograr una precisión a lta (Recuerde que este procedimiento selecciona, entre las posibles opciones de pivote, una entrada en la columna que tenga el mayor valor ab soluto). Para manejar los intercambios de fila la factorización LU anterior se puede modificar con facilidad para producir una L que sea triangular inferior permutada, en el sentido de que un reordenamiento (llamado permutación) de las filas de L puede hacer que L sea triangular inferior (unitaria). La factorización L U permutada resultante resuelve A x = b en la misma forma que antes, excepto que la reducción de (I b ] a [ / y ] es consecuencia del orden de los pivotes de L de izquierda a derecha, empezando con el pivote de la primera colum na Una referencia a una “factorización LU’ normalmente incluye la posibilidad de que L pueda ser triangular Inferior permutada. ----- NOTAS N U MÉ R I C AS ---------------------------------------------------------------------------Los siguientes comeos de operaciones corresponden a una matriz densa A d e n x n (con la mayoría de sus entradas distintas de cero), donde n es moderadamente grande. por ejemplo, n a 30.1 1. El cálculo de una factorización LU de A requiere 2rP/3 flops (aproximadamente lo mismo que reducir por filas [A b]). mientras que encontrar A ~ x requiere alrededor de 2r? flops. t
Resolver Ly = b y U x = y requiere alrededor de 2 rt flops, ya que cualquier sis tema triangular r tx n se puede resolveren aproximadamente r f flops.
3L 1.a multiplicación de b por A~l también requiere cerca de 2r f flops, pero el resul tado quizá no sea tan preciso como el obtenido a partir de L y U (debido al error de redondeo cuando se calculan tanto a A~l como a A~ ’b ). 4
Si A es dispersa (la mayoría de sus entradas son cero), entonces L y U podrían ser dispersas también, pero es probable que A~ 1 sea densa. En este caso, una solución de A x = b con una factorización LU es mucho más rápida que usar A ~l. Véase el ejercicio 31.
Factorización de m atrices en ingeniería eléctrica La factorización de matrices está Íntimamente relacionada con el problema de construir una red eléctrica de propiedades especificas. El análisis que se presenta a continuación permite vislumbrar la relación entre factorización y diseño de circuitos. 1 Véase la sección 3.8 de Applird linear Algebra, 3a. ed , dé Ben Noble y James W Daniel (Engierood C tlífc. NJ: Prentlce-Hall, 1988). Recuerde que para nuestros prepósitos, un fiop es xo +.
http://www.fullengineeringbook.net 155 of 461.
13 8
CAPÍTULO 2
Álgebra de matrices
Suponga que el cuadro de la figura 3 representa algún tipo de circuito eléctrico, con una
j j
entrada y una salida. H voltaje y la corriente de entrada se registran mediante ^ 1 (con el voltaje v en volts y la corriente i en amperes), y el voltaje y la corriente de salida se registran
^ j. Con frecuencia, la transformación
como V
u -ra matriz A, que se llama matriz de transferencia, tal que
es lineal. Es decir, existe una
[íM s] /, terminales de entrada
...............
k „ *2
drcuito
déarico
terminales desallda
k .............
FIGURA 3 Un circuito con terminales de entrada y salida.
En la figura 4 se muestra una red en escalera . donde dos circuitos (podría haber más) están conectados en serie, de modo que la salida de un circuito sea la entrada del siguiente circuito. El circuito de la izquierda en la figura 4 es un circuito en serie, con resistencia Rt (en ohms). •\
r. .......
h
vx
‘i
\*t
•4
U ......J Un drtulto en serle f ig u r a
Un circuito con derivación
4 Una red en escalera.
El circuito de la derecha en la figura 4 es un circuito con derivación, con resistencia Rj. Con base en la ley de Ohm y las leyes de KirchhofF, es posible demostrar que las matrices de trans ferencia de los circuitos en serie y con derivación, respectivamente, son, r« [o
-* ii 1 J
v y
Matriz de transferencia cfel circuito en serie
r
1
°i ij Matriz de transferencia del circuito con derivación
EJEMPLO 3 a) Calcule la matriz de transferencia para la red en escalera de la figura 4. b) Diseñe una red en escalera cuya matriz es S O L U C IÓ N
a)
Sean A\ y An las matrices de transferencia de los circuitos en serie y con derivación, res pectivamente. Entonces, un vector de entrada x se transforma primero en ,4|X y luego en Ai{A\x). La conexión en serie de los circuitos corresponde a la composición de transfor maciones lineales, y la matriz de transferencia de la red en escalera es (observe el orden)
AtÁ' " [-!/*, l][o "'i'] “ [-I/*, I+*',/*,] http://www.fullengineeringbook.net 156 of 461.
(6)
2.5
b)
Para factorizar la matriz
-8 5
Factorizaclones de matrices 13 9
j en el producto de matrices de transferencia, como
en la ecuación (6). se buscan las R\ y Afe de la figura 4 que satisfagan -R x I + R \/R i De las entradas (1. 2). se tiene que R x = 8 ohrrts. y de las entradas (2. 1). \/R ¿ = .5 ohm y Rz = 1/.5 = 2 ohms. Con estos valores, la red de la figura 4 tiene la matriz de trans ferencia deseada. ■ Una matriz de transferencia de red resume el comportamiento de entrada y salida fias especificaciones de diseño) de la red. sin referencia a los circuitos internos. Para construir fí sicamente una red con propiedades especificas, un ingeniero determina al principio si es posi ble constiuir (o realizar) dicha red. Después, trata de factorizar la matriz de transferencia para obtener matrices correspondientes a circuitos más pequeños que quizá ya fueron fabricados y estén listos para ensamblarse. En el caso común de la corriente alterna, las entradas de la m a triz de transferencia normalmente son funciones con valores complejos. (Véase los ejercicios 19 y 20 de la sección 2.4 y el ejemplo 2 de la sección 3.3). Un problema estándar consiste en encontrar una realización mínima que use el menor número de componentes eléctricos
P R O B L E M A D E P R Á C T IC A
Encuentre una factorizadón LU de A =
' 2 - 4 - 2 6 - 9 - 5 2 - 7 - 3 4 -2 -2 -6 3 3
3 8 9 . [Nota: Resultará que A -1 4
tiene solamente tres columnas pivote, de manera que el método del ejemplo 2 solo produce las tres primeras columnas de L l.as dos columnas restantes de L provienen de /5],
2 .5 EJER C IC IO S * En los ejercicios I a 6. resuelva la ecuación .4* = k usando la fectorizaclón LU dada para A. En los ejercidos 1 y 2. resuelva también Ax - k por reducción ordinaria de columnas
http://www.fullengineeringbook.net 157 of 461.
14 0
8
CAPÍTULO 2
A =
Álgebra de matrices
■ 1 3 2 0 r -2 -3 -4 12 -2 .b = 0 4 -3 6 3 -1 —5 - 3 - 8 49 2 ‘ 1 0 2 0 0' ’ l i -2 0 0 0 1 0 i 1 0 0 0 -2 3 -3 4 -1 -5 0 1 3 0
0' 12 0 1
• 22 (Factorización LU reducida). Con A como en el problema de práctica, encuentre una matriz 5 de 5 x 3 y una matriz Cde 3 x 4 tales que A = BC. Generalice esta idea para el caso donde A e s m x n, A = LU .y U tiene solamente tres filas diferentes efe cero.
*23
Encuentre una factorización LU de las matrices de los ejercicios 7 a 16 (con L triangular inferior unitaria). Observe que MATLAB gene ralmente producirá una factorización I-U permutada porque utiliza pivoteo parcial para lograr exactitud numérica.
* 9. 11.
[ ? L -3
‘ ' '
13.
1S
‘
3 -9 9
5' -4
1
21 0 -4 9 14 J
3 7 6 19 -3 -2
«1 3J 0 ia r -105 2 L *° 10
21
r 2
4 3J
1 3 -5 - 3 ' 4 -1 - 5 8 4 2 -5 - 7 -2 -4 7 5_
4 |_ -6
1 5 -2 -1
14
' 2 -6 4
a) Demuestre que Aes la suma de cuatro productos exteriores. (Véase la sección 2.4). &) Sea rn = 400 y n = 100. Explique por qué un programador (fe computadoras preferiría almacenar los datos de Aen for ma de dos matrices Cy D.
8 r«
L12
0 5 2" 3 -1 3 - 3 9 16 17
18
3 13 5
4'
-5
16 J
(Factorización de rango). Suponga que una matriz A de m x n admite una factorización A « CD, donde Ces de m x 4 y Des de 4 xn .
• 24 (Factorización QR). Suponga que A = QR donde Q y R san n x n. R es Invertible y triangular superior, y Q tiene la pro piedad de que QrQ = l Demuestre que para cada k en R". la ecuación Ax - k tienp una solución única. ¿Qué cálculos con Q y producirán la solución?
21
9 4J
1 5' 3 20 6 31 -1 -1 - 4 7 1 7
4' 2 -3 -4 8 -7 6 -5 14 -6 9 --12 8 -6 19
17. Cuando A es inverüble. MATLAB encuentra A~1al factorizar A - ¿¿/(donde L puede ser triangular inferior permutada), in viniendo L y U, y luego calculando U~lL~l. Use este método pera calcular la inversa de A en el ejercicio 2. (Aplique el algo ritmo de la sección 2 .2 a ¿ y a U). 18. Encuentre A~1como en el ejercido 17. usando A del ejerdelo 3. l a Sea A una matriz de n x n triangular inferior con entradas di ferentes de cero en la diagonal. Demuestre que Aes Invertible y A-1 es triangular inferior. [Sugerencia: Explique por qué A puede convertirse en / usando solo remplazos de filas y esca lamientos. (¿Dónde están los pivotes?). También explique por qué las operaciones de fila que reducen A a / transforman a I en una matriz triangular inferior!. 20. Sea A » LU una factorización LU. Explique por qué Ase puede
* 25l (Descomposición en valores singulares). Suponga que A UDVT, donde U y Vson matrices den x n con la propiedad de que IfiU = l y VTV - I. y donde Des una matriz diagonal con números positivos .....
(Factorización espectral). Suponga que una matriz A de 3 x 3 admite una factorización como A = P D P ~ donde Pes alguna matriz invertible de 3 x 3. y Des la matriz diagonal
Muestre que esta factorización es útil cuando se calculan po tencias grandes de A. Encuentre fórmulas relativamente senel Das para A2. A3 y A1 (¿es un entero positivo), usando P y las entradas en D. 27. Diseñe dos redes en escalera diferentes con salida de 9 volts y 4 amperes cuando la entrada sea de 12 volts y 6 amperes. 28 Demuestre que si tres circuitos con derivación (cuyas resisten cias son R\. R¡, Ry) se conectan en serie, la red resultante tiene la misma matriz de transferencia que un único circuito con de rivación. Encuentre una fórmula para la resLstencla que haya en ese circuito. 2ft a) Encuentre la matriz de transferencia de la red que se ilustra en la figura.
reducir por filas a ¿/utilizando solamente operaciones de rem plazo. (Este hecho es el recíproco de lo que se demostró en el libro). a . Suponga que A = BC donde B es Invertible. Demuestre que cualquier sucesión de operaciones dp fila que reduzca Ba / tam b*én reduce A a C. Lo contrario no es cierto, puesto que la ma triz cero puede factortzarse como O - B • 0. l/K ejercicios 22 a 26 ofrecen una vlsuallzación de ciertas factorizaciones de matriz ampliamente utilizadas, algunas de las cuales se analizan posteriormente en el libro.
A *i
h
*1
A) Sea A =
h
r•• •
•5
R zl
5/3
h
h
4
•i»
una re<* en escalera-
cuya matriz de transferencia sea A encontrando una factorización matricial adecuada de A,
http://www.fullengineeringbook.net 158 of 461.
2.5 3Q Encuentre una factorización diferente de la matriz de transfe rencia A del ejercicio 29 y. a partir de ello, diseñe una red en «calera diferente cuya matriz de transferencia sea A.
• SL [M] Considere la placa térmica en la siguiente figura (consulte el ejercicio 33 en la sección 1.1). o * o * a*
cr
1
3
5
7
2
4
6
8
b) Use la factorización LU para resolver Ax - b c) Obtenga A~l y observe que A~1 es una matriz densa sin estructura de banda. Cuando A es grande. L y Use pueden almacenar en mucho menos espacio que A~l. Este hecho es otra razón para preferir la factorización LU de A en lu gar de A~x. 3C. [MJ l-a matriz de handa A que se ilustra a continuación pue (fe servir para calcular la conducción Inestable de calor en una varilla para la cual las temperaturas en los puntas p¡.....p.\ cambian con el tiempo.2
20°
20*
Aor
10* 10* 10° 10°
' 4 - 1 - 1 -1
4 0
-1
Ajt
P\
La solución al problema de flujo de calor enestado estable para la placa de la figura se aproxima al resolver la ecuación Ax = b donde b - (5. 15. 0. 10. 0. 10. 20. 30) y -1
Factorizaclones de matrices 1 4 1
0 -1 4 -1 -1 4 -1 0 -1 4 -1 -1 -1 0 4 0 -1 -1 -1 4 -1 -1 0 4 -1 - I
Ax
Pl
Pi
Ax
PK
La constante Cde la matriz depende de la naturaleza física de la varilla, de la distancia Adentre los puntos de la varilla, y del tiempo Ai que transcurre entre mediciones sucesivas de tem peratura. Suponga que para k = 0. 1, 2..... un vector en R4 lista las temperaturas en el tiempo kAi. SI ambos extremos de la varilla se mantienen a 0*. entonces los vectores de temperatura atlsfácen la ecu ació n /ü ,i = t j ( ¿ = 0. 1....), donde (1 + 2C) -C -C (I+2C) -C
Las entradas fallantes en A son ceros. Las entradas de A dife rentes de cero se encuentran dentro de una handa a lo largo de la diagonal principal. Tales matrices Je banJa se presentan en diversas aplicaciones, y con frecuencia son extremadamente gandes (con miles de filas y columnas, pero con bandas relati vamente angostas). a) Utilice el método del ejemplo 2 para construir una factor! ación LU de A. y observe que ambos factores son matrices
Ax
-C (1 + 2C ) -C
-C (1+2C).
a) Encuentre la factorización LU de A cuando C = 1. Una ma triz como A con tres diagonales diferentes de cero se deno mina matriz tridiagonal. Los factores L y U son matrices b¡diagonales. b¡ Suponga que C m 1 y fe ■ (10. 15. 15, 10)r. Use la factor! zación LU de A para encontrar las distribuciones de tempe ratura*:. fe. ts y ti
1Véa» Bfcswa N. Datta, NuméricaI linear Algebra and AppUaiikms (Pacific Grave, CA: RroakVGole, 1994), pp. 200-201.
SOLUCIÓN AL PROBLEMA DE PRÁCTICA ' 2 - 4 - 2 3' 6 - 9 - 5 8 2 - 7 - 3 9 4 -2 -2 -1 -6 3 3 4 '2 -4 -2 3' 0 1 -1 3 0 0 0 5 0 0 0 -5 0 0 0 10
‘2 -4 -2 3" 0 3 1-1 0 - 3 - 1 6 0 6 2 -7 0 - 9 - 3 13 ' 2 —4 - 2 3' 0 3 1 -1 0 0 0 5 0 0 0 0 0 0 0 0
Divida las entradas de cada columna resaltada por el pivote en la parte superior. I-as co lumnas resultantes forman las tres primeras columnas de la mitad Inferior de L Esto basta para hacer que la reducción por filas de /.a /corresponda a la reducción de A a U. Use las dos
http://www.fullengineeringbook.net 159 of 461.
14 2
CAPÍTULO 2
Álgebra de mal rices últimas columnas de Is para hacer que L sea triangular inferior unitaria
i 1 3 1 2 -3
2 .6
1 -1 2 -3
1 -1 2
•
.
L =
1 0 0 1 3 0 1 -1 1 2 2 -1 2 -3 -3
0 0 0 1 0
0' 0 0 0 1
EL MODELO DE LEONTIEF DE ENTRADA Y SALIDA I
web
I
El álgebra lineal desempeñó un papel fundamental en el trabajo de YVassily Leontief, gana dor del Premio Nobel, como se mencionó al principio del capítulo 1. El modelo económico descrito en esta sección es la base de modelos más complejos usados en muchas partes del mundo. Suponga que la economía de una nación se divide en n sectores que producen bienes o servidos, y sea x un vedar de producción en R"que lista la producdón de cada sector en un año. También, suponga que otra parte de la economía (que se llama sector abierto) no produce bienes ni servidos, sino que solamente los consume, y sea d un verter de demanda final (o cuenta de demandan finafavi que lista los valores de los bienes y servicios demandados a los diversos sectores por la parte no productiva de la economía El vector d puede representar la demanda del consumidor, el consumo del gobierno, el superávit de producdón, las exportad o n es u otras demandas externas. Conforme los diversos sectores elaboran bienes para satisfacer la demanda del consumi dor. los productores crean por si mismos una dem anda intermedia adicional de bienes que necesitan como insumos para su propia producdón. Las interrelaciones de los sectores son muy complejas, y la conexión entre la demanda final y la producdón es poco clara. Leontief se preguntó si hay un nivel de producdón x tal que las cantidades produddas (o "suministra das") equilibran exactamente la demanda total de esa producdón. de modo que cantidad produdda
x
demanda intermedia
demanda final d
( 1)
La suposición básica del modelo de Leontief de entrada y salida es que. para cada sector, hay un vector de consuno unitario en R ” que lista los insumos necesarios p o r unidad de producción del sector. Todas las unidades de entrada y salida se miden en millones de dóla res. y no en cantidades como toneladas o fanegas. (Los precios de los bienes y servicios se mantienen constantes). Como un ejemplo sencillo, suponga que la economía consiste en tres sectores —manu factura. agricultura y servicios— , con los vectores unitarios de consumo c,. y c3 que se muestran en la siguiente tabla.
http://www.fullengineeringbook.net 160 of 461.
2.6 E l modelo de Leontlef de entrada y salida
Manufariura
A jr n á tn r a
Servicial
M anufactura
.50
.40
20
Agricultura
.20
.30
.10
S e rvicio s
.10
.10
.30
C o a f ra d n por:
14 3
EJEMPLO 1 unidades?
¿Qué cantidades consumirá el sector de manufactura si decide producir
10 0
SOLUCIÓN Calcule
Para producir 100 unidades, manufactura ordenará (es decir, 'demandará') y consumirá 50 unidades de otras partes del sector de manufactura. 2 0 unidades de agricultura y 10 unidades de servidos. ■ Si manufactura decide producir x \ unidades, entonces *id representa las dem andas in te rm e d ia ste manufactura, porque las cantidades de atiCi se consumirán en el proceso de crea ción de las xy unidades de producción. De la misma forma, si x 2 y x 3 denotan las produedones planeadas de los sectores de agricultura y servicios. y x&% listan las demandas interme dias correspondientes. La demanda intermedia total de los tres sectores está dada por {demanda intermedia} = jtiCj + X2 C¿ + = Cx donde C es 1.: m atriz
«leconsum o |ci
e¿
(2)
«h], a saber,
(3)
Las ecuadones (1) y (2) producen el modelo de Leontlef.
EL MODELO DE LEONT1EF DE ENTRADA Y SALIDA, O ECUACIÓN DE PRODUCCIÓN
*
=
Cantidad producida
Cx
Demanda Intermedia
+
d
(4)
Demanda final
La ecuadón (4) también se puede escribir como I x - C x = d. o (/-C )* = d
(5)
EJEMPLO 2 Considere la economía cuya matriz de consumo está dada por (3). Suponga que la demanda final es de 50 unidades para manufadura. 30 unidades para agricultura, y 20 unidades para servicios. Encuentre el nivel de producción «que satisfará esta demanda.
http://www.fullengineeringbook.net 161 of 461.
14 4
CAPÍTULO 2
Álgebra de mal rices
SOLUCIÓN La malriz de coeficientes en (5) es ’ \ I - c
=
0 0
0 1 0
°1 0 --
r .5 2
.4 .3
.2 " .1 =
>J
L>
.1
.3
r 5 -.1 L-i - .2
- .4
.7
- .2
- .1
.7
Para resolver (5). reduzca por filas la matriz aumentada .5 - . 4 - . 2 .2 .7 - . 1
.1 - . 1
.7
50] 30 1
f 5 ~ 1 -2
20J L-l
7
-2 -1
-1
7
-4
500* 300
200
n
Lo
0 1 0
0 0 1
226 119 78
La última columna se redondea a la unidad más cercana El área de manufactura debe pro ducir aproximadamente 226 unidades, agricultura 119 unidades, y servicios únicamente 78 unidades. ■ S la matriz I - C e s invertible, entonces se puede aplicar el teorema 5 de la sección 2.2 con A remplazada por ( / - O . y a partir de la ecuación { / - C )x = d se obtiene x = ( / O '¿ E l siguiente teorema indica que. en la mayoría de los casos prácticos. / - C e s inver tible y el vector de producción xes económicamente factible, en el sentido de que las entradas de x son no negativas. En el teorema, el término su m a d e colum na denota la suma de las entradas en una co lumna de una matriz. En circunstancias ordinarias, las sumas de columna de una matriz de consumo son menores que 1 porque un sector deberla requerir menos de una unidad de insumos para generar una unidad de producción.
TEOREMA 11
Sea Cía matriz de consumo de una economía, y sea di la demanda final. Si C y d tie nen entradas no negativas, y si cada suma de columna de Ces menor que uno. entonces { / - Q - 1 existe y el vector de producción ,=
(/_ c r 'd
tiene entradas no negativas y es la solución única de x = Cx + d
0 siguiente análisis sugerirá por qué el teorema es cierto, y conducirá a una nueva ma nera de calcular ( / - O " 1.
Una fórm ula p ara (/ - O Imagine que la demanda representada por d se propone a las distintas industrias al inicio del año. y que estas responden estableciendo sus niveles de producción en x = d. lo cual satisfará exactamente la demanda final. Conforme las industrias se preparan para producir d, emiten órdenes solicitando materia prima y otros insumos. Esto crea una demanda intermedia de insumos de Cá. Para satisfacer la demanda adicional de C A las industrias necesitarán como insumos adicionales las cantidades de C(CÍ) = CXd Desde luego, esto crea una segunda ronda de demanda intermedia, y cuando las industrias deciden producir aún más para satisfacer esta nueva demanda, se genera una tercera ronda de demanda, a saber. (X C 1 d) = C3d . y así su cesivamente. En teoría, este proceso podría continuar de manera indefinida, aunque en la vida real no ocurriría en una sucesión tan rígida de acontecimientos. Podemos elaborar un diagrama de esta situación hipotética de la siguiente forma:
http://www.fullengineeringbook.net 162 of 461.
2.6 E l modelo de Leontlef de entrada y salida
Demanda que debe üa*k£aterir
Inam x nrcmarim pora aaíéticer esta demanda
d
CA
la ronda
CA
C(CA¡ = C*A
2a ronda
OA
C(C 24 - O A
3a ronda
C-A
C{C*d = C*A
Demanda final
14 5
Demanda intermedia
El nivel de producción x q u e satisfará toda esta demanda es x = d + Cd +
C7d + C
3d
+ •••
= ( / + C + C 2 + C 3 + ---)d
(6)
Para que la ecuación (6) tenga sentido, considere la siguiente identidad algebraica:
(7)
( I - C W + C + C z + - + C*) = l - C m+l
Es posible demostrar que si las sumas de columna en C son todas menores que 1, entonces l - C es invertible. O " se aproxima a la matriz cero cuando m crece de manera arbitraria, e / - C " f 1 -* /. (Esto es análogo al hecho de que si un número positivo / es menor que 1. entonces tm —►0 conforme m aumenta). Con base en la ecuación (7). se escribe ( / - Q - i ~ / + c + C *+ C 3 + - + C cuando las sumas de columna de (7son menores que 1.
(8)
La aproximación en (8) significa que el miembro derecho puede acercarse a ( / - Q ~ l tanto como se desee al haoer a m suficientemente grande. En los modelos de entrada y salida reales, las potencias de la matriz de consumo se aproximan a la matriz cero con cierta rapidez. Asi. (8) realmente ofrece una manera práctica de calcular ( / - Q ~ x. De la misma forma, para cualquier 4 los vectores C ”é se aproximan al vector cero rápidamente, y (6) es una manera práctica de resolver ( / - C )x = 4 Si las entradas de Cy d son no negativas, entonces (6) indica que las entradas de x también son no negativas.
Importancia económica de las entradas de (/ -
C)
“1
Las entradas de ( / - C)~ 1son significativas porque pueden servir para predecir cómo tendrá que cambiar la producción x conforme cambie la demanda final 4 De hecho, las entradas de la columna j de ( / - Q -1 son las cantidades aumentadas que los diversos sectores ten drán que producir para satisfacer un aumento de I unidad en la demanda final de producción del sector J Véase el ejercicio 8.
----- NOTA N U M ÉRICA -----------------------------------------------------------------------------En cualquier problema de aplicación (no solo en economía), una ecuación A x = b se puede escribir siempre como ( / - Q x = b. con C = / - A. Si el sistema es grande y disperso (con cero en la mayoría de sus entradas), es posible que las sumas de colum na de los valores ahsolutos en C sean menores que 1. En este caso. C" -* 0. Si C" tiende a cero con la suficiente rapidez. (6) y (8) representarán fórmulas prácticas para resolver A x = b y encontrar A~x.
http://www.fullengineeringbook.net 163 of 461.
146 CAPÍTULO 2 Álgebra de mal rices
PROBLEMA DE PRÁCTICA Suponga que una economía tiene dos sectores: bienes y servidos. Una unidad de producdón de bienes requiere insumos de .2 unidades de bienes y .5 unidades de servidos. Una unidad de producdón de servicios requiere Insumos de .4 unidades de bienes y .3 unidades de servidos. Existe una demanda final de 20 unidades de bienes y 30 unidades de servidos. Implemente el modelo de Leontief de entrada y salida para esta situación.
2 . 6 EJERCICIOS*
Los ejercidos 1 a 4 se refieren a una economía dividida en tres sec tores: manufactura, agricultura y servicios. Porcada unidad de pro ducción. manufactura requiere de . 10 unidades de otras compañías pertenecientes a ese mismo sector, de .30 unidades del sector agricul tura y de .30 unidades de servicios. Por cada unidad de producción, agricultura usa .20 unidades de su propia producción. .60 unidades de manufactura y . 10 unidades de servicios. Por cada unidad de pro ducción. el sector de servicios consume . 10 unidades de servicios. .60 unidades de manufactira. pero ningún producto de agricultura. 1. Construya la matriz de consumo adecuada para esta economía, y determine cuáles demandas intermedias se crean si agricultura planea producir 100 unidades. í . Determine los niveles de producción que se necesitan para sa tisfacer una demanda final de 20 unidades para agricultura, sin (femanda final para los otros sectores. (No calcule una matriz inversa). i
Determine los niveles de producción necesarios para satisfa cer una demanda final de 20 unidades para manufactura sin demanda final para los otros sectores. (No calcule una matriz inversa).
4 Determine los niveles de producción necesarios para satisfacer una demanda final de 20 unidades para manufactura. 20 para agricultura y 0 unidades para servicios. & Considere el modelo de producción x = Cx + d para una eco nomía con dos sectores, donde
r° 5*iJ- d-pi U •■ d l»J
Use una matriz inversa y determine el nivel de producción nece sario para satisfacer la demanda final. 6 Repita el ejercicio 5 con C = ^
'^ J y d = [
• 7. Sean C y d como en el ejercicio 5. a) Determine el nivel de producción necesario para satisfa cer una demanda final para una unidad de producción del sector 1. Hj Con hase en una matriz inversa, determine el nivel de producción necesario para satisfacer una demanda final
http://www.fullengineeringbook.net 164 of 461.
2.6 E l modelo de Leontlef de entrada y salida
= [ 30] + [ ó ] ,exP^
c) Con base enel hecho de que
que cómo y por qué están relacionadas las respuestas a los Incisos a) y b) y al ejercicio 5. &
Sea Cuna matriz de consumo de nxncuyas sumas de columna son menores a 1. Sea xel vector de producción que satisface la demanda final d y sea Ax un vector de producción para satis facer una demanda final diferente Ad a) Demuestre que si la demanda final cambia de d a d + Ad entonces el nuevo nivel de producción debe ser x + Ax. Así. Ax indica las cantidades en que debe cxmbUv 1a pro dicción para compensar el cambio Aden la demanda. b) Sea Ad el vector en R” con 1 en la primera entrada y ceros en las demás. Explique por qué la producción correspon diente Axesla primera columna de ( / - C}"1. Esto muestra que la primera columna de (/ - Cl~l indica las cantlda d»s que deben producir los diverses sectores para satisfacer un aumento de una unidad en la demanda final para la pro^ dicción del sector 1.
a
lü
12. Sea Cuna matriz de consumo tal que C* -* 0 cuando m -+ » , y para ra ** 1, 2..... sea A» = / + C + — + C*. Encuentre nía ecuación en diferencias que relacione A, y A - i y, a par tir de ella, obtenga un procedimiento iterativo con la finalidad tfe calcular la fórmula (8) para ( / - O -1. 13. |M| 1.a siguiente matriz de consumo Cestá basada en datos de
entrada y salida para la economía de Estadas Unidos en 1958. con datos para 81 sectores agrupados en 7 sectores de mayores dimensiones: 1. productos no metálicos personales y domés ticos. 2 productos metálicos finales (como vehículos motori zados). 2 productos básicos de metal y minería. 4 productos básicos no metálicos y de agricultura. Senergia. & servicios, y 7. entretenimiento y productos diversos.2 Encuentre los nive les de producción necesarios para satisfacer la demanda final d O^s unidades están en millones de dólares). .1588 .0057 .0264 .3299 .0089 .1190 .0063
Resuelva la ecuación de producción de Leontlef para una eco nomía con tres sectores, considerando que c -
p2 .3 L-i
.2 .1 .0
.0 '
.3 .2
y
d=
f4600! L»J
La matriz de consumo C para la economía de Estados Unidos en 1972 tiene la propiedad de que cada entrada de la matriz ( / - O es diferente de cero (y positiva).1¿Qué dice esto acer ca del efecto de aumentar la demanda de la producción sola mpnte en un sector de la economía?
11. l¿ ecuación de producción de Leontlef. x - Qt + d general mente está acompañada por una enuckn «le precio dual. p = Crp + v donde p es un verte*- «le precio cuyas entradas listan el precio por unidad de producción de cada sector, y ves un rector de v» fcr ipTjprioniyas entradas listan el valor agregado por unidad de producción. (El valor agregado incluye salarlos, utilidades, depredación, etcétera), Un hecho importante en economía es que el producto interno bruto (FIB) se puede expresar de dos maneras: (producto interno bruto) - p d - v'x
14 7
d
.0064 .2645 .1506 .0565 .0081 .0901 .0126
.0025 .0436 .3557 .0495 .0333 .0996 .0196
.0304 .0099 .0139 .3636 .0295 .1260 .0098
.0014 .0083 .1594 .0083 .0201 .3413 .0142 .0070 .0236 .0204 .0483 .0649 .3412 .0237 .0020 .1722 .2368 .3369 .0064 .0132 .0012
‘ 74.000" 56.000 10.500 25.000 17.500 196.000 5.000
14 (MI El vector de demanda del ejercicio 13 es razonable para los datos de 1958, pero el análisis de Leontlef de la economía mencionado en el mismo ejercicio utilizó un vector de demanda más cercano a los datos de 1964: d - (99640. 75548. 14444. 33501. 23527. 263985. 6526) Encuentre los niveles de producción necesarios para satisfacer esta demanda. ISl (M) Use la ecuación (6) para resolver el problema del ejerci do 13. Considere que = d y para k = 1. 2.....calcule ¿Cuántos pasos se necesitan para obtener uta respuesta al ejercicio 13 con cuatro cifras significativas?
x^ = d +
x®
Compruebe la segunda Igualdad. [Sugerencia: Calcule p x de dos maneras). 1Wasslly W. Leontlef. 'The \Vbrid Eccnomy of thc Year 2000*. Scientific American, septiembre de 1980, pp, 206 231.
1 Wasslly W. Leontlef. 'The Structure of thc U.S. Economy*. Sciem ific Ame rican .abril de 1985. pp. 30 32.
http://www.fullengineeringbook.net 165 of 461.
14 8
CAPÍTULO 2
Álgebra de matrices
SOLUCIÓN AL PROBLEMA DE PRÁCTICA Se cuenta con los siguientes datos:
liw nrn m e sa r » por unídad de producción Bim n
X!>KK1S
Ik n o n b «terna
Bienes
.2
.4
20
Servicios
.5
.3
30
Compradas par.
El modelo de entrada y salida de Leontief es x = Ck + d donde
-
2.7
m
A P L IC A C IO N E S A L O S G R Á R C O S P O R C O M P U T A D O R A
Los gráficos por computadora son imágenes desplegadas o animadas en una pantalla de compu tadora Las aplicaciones de los gráficos por computadora están ampliamente difundidas y proliferan con rapidez. Por ejemplo, el diseño asistido por computadora (CAD) es una parte integral de muchos procesos de ingeniería, como el proceso de diseño de aeronaves descrito en la introducción de este capítulo. La industria del entretenimiento ha realizado el uso más espectacular de los gráficos por computadora; desde las efectos especiales en las películas Mairix a la Xbox de Playstation 2. La mayoría de los programas interactivos de cómputo diseñados para los negocios y la industria utilizan gráficos por computadora en los despliegues de pantalla y en otras funcio nes. como el despliegue gráfico de datos, la autoedidón. y la producdón de diapositivas para presentaciones comerciales y educativas. Por consiguiente, cualquier persona que estudie un lenguaje de computadora siempre pasa algún tiempo aprendiendo a asar gráficos de. por lo menos, dos dimensiones (2D). En esta secdón se examinará algo de las matemáticas básicas que se usan para manipu lar y desplegar imágenes gráficas, como el modelo de alambre de un avión. Una imagen (o dibujo) de ese tipo consta de varios puntos, líneas redas o curvas conectados, e información sobre cómo llenar regiones cerradas delimitadas por esas redas y curvas. Con frecuencia, las líneas curvas se aproximan utilizando segmentos de línea red a cortos, y una figura se define matemáticamente por medio de una lista de puntos. Entre los símbolos gráficos más se n a 11os utilizados en 2D están las letras usadas como etiquetas en la pantalla. Algunas letras se guardan como objetos de alambre: otras, con porcio nes curvas, se almacenan con fórmulas matemáticas adidonales para las curvas. E JE M P L O 1 La letra N mayúscula de la figura 1 está determinada por ocho puntos o vértices. Las coordenadas de los puntos se pueden almacenar en una matriz de datos. D. 8
6 5
1
coordenada x coordenada y
r° L°
2 .5 0
3 .5 6.42
4 6 0
Wrtiee: 6 5 6 5.5 8 8
7 5.5 1.58
8 0] 8
J
Además de D. es necesario especificar cuáles vértices están conedados con líneas, pero aquí se omite este detalle. ■ RGURA 1
jVreguiar.
La prindpal razón para describir los objetos gráficos por medio de segmentos de lí neas red a s es que las transformaciones estándar en los gráficos por computadora mapean segmentos de línea sobre otros segmentos de línea. (Por ejemplo, véase el ejerdeio 26 de la sección 1.8). Una vez transformados los vértices que describen un objeto, es posible co-
http://www.fullengineeringbook.net 166 of 461.
2 .7
A p lic a c io n e s a lo s g rá fic o s p o r c o m p u t a d o r a
14 9
néctar sus imágenes con las lineas rectas adecuadas para producir la imagen completa del objeto original.
EJEMPLO 2
A partir de A =
j. describa el efecto de la transformación de
trasquilado x ►-* A x sobre la letra N del ejemplo 1. SOLUCIÓN Por la definición de multiplicación de matrices, las columnas del producto AD contienen las imágenes de los vértices de la letra N. 1
2
3
4
5
6
7
8
0 0
.5 0
2.105 6.420
6 0
8 8
7.5 8
5.895 1.580
2 8
Los vértices transformados se dibujan en la figura 2. junto con los segmentos de linea correc tores que corresponden a los de la figura original. ■ La vVcursiva de la figura 2 se ve demasiado ancha Para compensar ese hecho, se puede
FIGURA 2
reducir la anchura mediante una transformación de escala que afecta las coordenadas Arde los
¿VInclinada.
puntos. E JE M P L O 3 Calcule la matriz de la transformación que realiza una transformación de trasquilado, como en el ejemplo 2 , y que después modifica a escala todas las coordenadas x por un factor de .75. SOLUCIÓN La matriz que multiplica la coordenada a-de un punto por .75 es
- r .
t]
Asi que la matriz de la transformación compuesta es Transformación compuesta de Ar.
" -[• ? !][: [.75 - [ o
”]
.1875] 1
J
E3 resultado de esta transformación compuesta se muestra en la figura 3.
■
I as matemáticas de los gráficos por computadora están intimamente relacionadas con la multiplicación de matrices. Por desgracia, trasladar un objeto a una pantalla no corresponde directamente a la multiplicación de matrices porque la traslación no es una transformación lineal. La manera estándar de evitar esta dificultad es introducir lo que se conoce como coor denadas homogéneas.
xz
H ------ 1------------- 1------ 4- 2 2 4 Traslación por
C oordenadas hom ogéneas Cada punto U y) en R 2 se puede identificar con el punto (x; y. 1) en el plano en R 3 que se encuentra una unidad por encima del p lanoxy. Se dice que U y) tiene coordenadas homogé neas (x; y. 1). Por ejemplo, el punto (0.0) tiene coordenadas homogéneas {0.0. 1). Las coor denadas homogéneas de puntos no se suman ni se multiplican por escalares, pero se pueden transformar mediante multiplicación por matrices de 3 x 3.
EJEMPLO 4 Una traslación de la forma (a; y) *-* {x + h. y + X) se escribe en coorde nadas homogéneas como {x. y. 1) (a + h. y + k. 1). Esta transformación se puede calcular mediante la multiplicación de matrices:
http://www.fullengineeringbook.net 167 of 461.
15 0
CAPÍTULO 2
Á lg e b ra d e m a tr ic e s
E JE M P L O 5
Cualquier transformación lineal sobre R2 se representa con respecto a las
coordenadas homogéneas por medio de una matriz particlonada de la forma
^ ^j. don q
de A es una matriz de 2 x 2. Ejemplos típicos son: eos ip - s e n 9 0 sen
0 1 0
1
1 0 0
0 0 1
s 0 0
Reflexión a través d e / * x
0 / 0
0 0 l
Escala de xpcir S y de ypor t
T ransform aciones com puestas H movimiento de una figura en la pantalla de una computadora a menudo requiere de dos o más transformaciones básicas. La com posidón de tales transformaciones corresponde a la multiplicación de matrices cuando se usan coordenadas homogéneas. E JE M P L O 6 Encuentre la matriz d e 3 x 3 que corresponde a la transformación com puesta de un escalamiento por .3, una rotación de 90° en torno al origen y, por último, una trasladón que suma ( - .5 . 2) a cada punto de una figura. Rgura original
SOLUCIÓN Si tp = se tiene que
it /2 .
entonces sen
Después del escalamiento
Después de la rotación
1j í matriz para la transform adón compuesta es 1 0 0
0 - .5 ' 1 2 0 1
'0 - 1 1 0 0 0
° 1 r .3
0
0
0 .3 0
°1
0
0 0'0 0 0-.52" r° -i0-^1f.3 Lo 0 21JLo° 0 1 0 0 1
ij Lo
»J
'
= Después de la traslación
1
.3
=
- .3
.3
G ráficos 3 d p o r com putadora Algunos de los más redentes y estimulantes trabajos en gráficos por computadora se reladonan con el modelado molecular. Un biólogo tiene la posibilidad de examinar una molécula simulada de proteína utilizando gráficos tridimensionales (3D). y así buscar los sitios activos que pueden aceptar la molécula de un medicamento. El biólogo podrá hacer girar y trasladar un medicamento experimental para tratar de unirlo a la proteína. Esta capacidad de visualizar reacciones químicas potendales es vital para la investigación de medicamentos modernos y del cáncer. De hecho, los avances en el diseño de medicamentos dependen, en cierta medida.
http://www.fullengineeringbook.net 168 of 461.
2 .7
Aplicaciones a los gráficos por computadora 1 5 1
del progreso que se logre en la capacidad de los gráficos por computadora para construir si mulaciones realistas de las moléculas y sus interacciones.1 Ia investigación actual en el modelado de moléculas se enfoca en la realidad \inual, un entorno en el que un investigador puede ver y sentir la molécula de medicamento deslizarse dentro de la proteína. En la figura 4 se ilustra el proceso de retroalimentación táctil con un manipulador remoto que despliega la fuerza.
FIGURA 4 Modelado molecular en realidad virtual. (Departamento de Ciencias de la Computación. University of North Carolina en Chapel Hill. Fotografía de Bo Straln).
Otro diseño de realidad virtual consiste en un casco y un guante que detectan los movimientos de la cabeza, la mano y los dedos. H casoo incluye dos pequeñas pantallas de computadora, una para cada ojo. Hacer que este medio virtual sea más realista es un desafío para ingenieros, científicos y matemáticos, Las matemáticas que se manejan aquí apenas abren la puerta a este campo de la investigación.
C oordenadas 3 d hom ogéneas Por analogía con el caso bidlmensional. se dice que (x. y, z. 1) son las coordenadas homogé neas para el punto (x. y , z) en R 3. En general, (X, Y, Z, H) son las coordenada* homogfewas para U y, z) si H * 0 y X ' “ »•
Y y ~ H
*
Z
...
Z = H
0)
Cada múltiplo escalar diferente de cero de (* y, z. 1) proporciona un conjunto de coordenadas homogéneas para U y, z). Por ejemplo, (10, - 6 . 14. 2) y (-1 5 , 9, —21, - 3 ) son coordena das homogéneas para (5. - 3 , 7). F3 siguiente ejemplo ilustra las transformaciones utilizadas en el modelado molecular para introducir un medicamento en una molécula de proteina.
EJEMPLO 7
Encuentre las matrices de 4 x 4 para las siguientes transformaciones:
a) Rotación en torno al eje y a través de un ángulo de 30°. (Por convención, un ángulo posi tivo es un giro en sentido antihorario cuando se ve hacia el origen desde la mitad positiva del eje de rotación, en este caso, el eje y).
1 Roben Pool. "CompuMng In Setene*",
Sanee S * 3 íte abril de 1992. p. 45.
http://www.fullengineeringbook.net 169 of 461.
15 2
CAPÍTULO 2
Álgebra de matrices b)
Traslación mediante el vector p = ( - 6 . 4, 5).
SOLUCIÓN a)
Primero, construya la matriz de 3 x 3 para la rotación. El vector gira hacia abajo en la dirección del eje z negativo, y se detiene en (eos 30°. 0. - s e n 30°) = (\/3 /2 , 0. -.5 ) . El vector sobre el eje y no se mueve, pero e», sobre el eje z gira hacia abajo en dirección del eje x positivo, hasta detenerse en (sen 30°, 0, eos 30°) = (.5,0, \/3 /2 ). Véase la figura 5. De acuerdo con la sección 1.9, la matriz estándar para esta rotación es >/3/2 0 - .5
RGURA 5
0 1 0
.5 0 v ^ /2 .
Por lo tanto, la matriz de rotación para las coordenadas homogéneas es V 3 /2 0 - .5 0
0 1 0 0
.5 0 > /3/2 0
0‘ 0 0 I
b) Se desea que (x; y , z, 1) mapee a (x - 6, y + 4. z + 5. 1). La matriz que logra esto es 1 0 0 0
0 1 0 0
0 -6 0 4 1 5 0 1
■
Proyecciones en perspectiva Un objeto tridimensional se representa en la pantalla de dos dimensiones de una computadora proyectándolo sobre un plano usual. (Se omiten otros pasos importantes, como la selección d éla parte del plano visual que se desplegará en la pantalla). Para simplificar, considere que el plano xy representa la pantalla de la computadora e imagine que el ojo de un observador está sobre el eje positivo z. en un punto (0.0. d). Una proyección en perspectiva mapea cada punto {x, y, z) sobre un punto de imagen (x*, y *. 0) de manera que los dos puntos y la posición del ojo, llamada centro de proyección. estén sobre una reda. Véase la figura 6a).
y
M « RGURA 6 Proyección en perspectiva de (*. y. z) sobre (r*. y*. 0).
http://www.fullengineeringbook.net 170 of 461.
2 .7
Aplicaciones a los gráficos por computadora 15 3
El triángulo en el plano xz de la figura 6a) se vuelve a trazar en el inciso b) mostrando la longitud de los segmentos de recta Con triángulos similares se muestra que x*
x
.
~d ~ d ~ Z
y
dx
X
x
d -Z
~ 1 - z /d
De manera análoga
'
l - z /d
Usando coordenadas homogéneas, es posible representar la proyección en perspectiva mediante una matriz, por ejemplo. P. Se desea que U y. z. 1) se mapee en ( -— -—^ - r - r .O .1Y V* z /d 1 z /d ) Al modificar a escala estas coordenadas por 1 - z/d. también se puede utilizar (x. y, 0. 1 - z/d ) como coordenadas homogéneas para la imagen. Ahora resulta fácil desplegar P. De hecho. 0' 0 0 1
- \ / d
x '
X
y
y
z
0
1
1 f-* al
0 0 0
1
0 1 0 0
EJEMPLO 8 Sea 51a caja con vértices (3. 1. 5). (5.1. 5). (5.0. 5). {3.0. 5). ( 3 .1. 4). (5. 1. 4). (5.0. 4) y (3.0. 4). Encuentre la imagen de 5 bajo la proyección en perspectiva con centro de proyección en (0.0. 10). SOLUCIÓN Sean P ía matriz de proyección y D la matriz de datos para 5 usando coordena das homogéneas. La matriz de datos para la imagen de 5 e s
1 0 0 0
0 0 1 0 0 0 0 - 1 /1 0
0' 0 0 1
Vértice: 4 5
2
3
6
7
5
5
3
3
5
5
3
1
1
0
0
1
1
0
0
5
5
5
5
4
4
4
4
1
1
1
1
1
1
1
1
1 '3
3
5
5
3
3
5
5
3
1 0
1 0
0 0
0 0
1 0
0 0
.5
.5
.5
.5
1 0 .6
.6
.6
0 0 .6
8 '
“
Para obtener las coordenadas en R 3, use la ecuación (!) que está antes del ejemplo 7 y divida las tres entradas superiores de cada columna entre la entrada correspondiente de la cuarta fila: bajo la transformación de perspectiva.
5
1
2
3
10
2
2
10 0
Lo
0
0
r 6
Vértice: 5 6 5 0 1.7 0 0
4
6
7
8 .3 1.7
8 .3
5
0 0
0 0
0
8
En el sitio Web de este libro se presentan algunas api icaclones i nteresantes de los gráficos por computadora, incluyendo un análisis más profundo de las proyecciones en perspectiva. Uno de los proyectos para computadora presentados en el sitio Web implica una animación sencilla.
http://www.fullengineeringbook.net 171 of 461.
15 4
CAPÍTULO 2
Á lg e b ra d e m a tr ic e s
----- NOTA N U M ÉRICA -----------------------------------------------------------------------------H movimiento continuo de objetos gráficos en 3D requiere de cálculo intenso con ma trices de 4 x 4, en especial cuando las superficies deben parecer realistas, con la textura e iluminación adecuadas. Las estaciones de trabajo para gráficos por computadora de acabado fino realizan operaciones con matrices de 4 x 4 y algoritmos de gráficos integrados en sus microchips y circuitos. Estas estaciones son capaces de realizar miles de millones de multiplicaciones de matrices por segundo necesarias para presentar la animación realista en color en los programas de juegos 3D.12*4
Lectura adicional James D. Foley. Andries van Dam. Steven K. Feiner y John F. Hughes. Computer Graphics: Principies a nd Practice, 3a. ed. (Boston, MA: Addison-Wesley. 2002), capítulos 5 y 6. PROBLEMA DE PRÁCTICA* • La rotación de una figura alrededor de un punto p en R2 se logra primero con una traslación de la figura mediante -p . luego con una rotación alrededor del origen, y finalmente trasla dándola de regreso mediante p. Véase la figura 7. Construya la matriz de 3 x 3 que hace girar puntos en un ángulo de - 3 0 ° en torno al punto ( - 2 , 6), usando coordenadas homogéneas.
a) Figura original f ig u r a
7
b)
Traslación al origen mediante - p .
ri Rotación en tomo al origen.
d¡
Traslación de regreso mediante p.
Rotación de la figura con respecto al punto p
2 . 7 E J E R C IC IO S 1' 1. ¿Qué matriz d e3 x 3 tendrá el mismo efecto en las coordenadas homogéneas para R2que la matriz de corte A del ejemplo 2?
& Refleje los puntos a través del eje x. y después hágalos girar 45* con respecto al origen
2. Utilice multiplicación de matrices para encontrar la imagen
ft Haga girar los puntos 45* con respecto al origen después reflé jelos a través del eje x.
d?l triángulo con datos D =
‘
^ j bajo la transfor
mación que refleja los puntos a través del eje y. Bosqueje tanto el triángulo original como su imagea Bt los ejercicios 3 a 8. determine las matrices de 3 x 3 que produ oen las transformaciones 2D compuestas, usando coordenadas ho mogéneas. 3l TVaslade con (2. 1). y después haga girar 90* con respecto al origen 4. Traslade con (-1 , 4). y después modifique a escala la coorde nada xpor 1/2 y la coordenada y por 3/2.
7. Haga girar los puntos un ángulo de 80“ con respecto al punto (6.8). & Haga girar los puntos un ángulo de 45° con respecto al punto (3.7). * flt Una matriz de datos de 2 x 100 contiene las coordenadas de 100 puntos. Calcule el número de multiplicaciones necesarias para transformar estos puntos usando dos matrices arbitrarias A y Báe 2 x 2 . Considere las dos posibilidades A(BD) y (AB)D. Analice las implicaciones de sus resultados con kis cálculos de los gráficos por computadora.
2 Véase Jan Gw r, ‘ Hlgh Performance Grapltlcs Boards*. P C También ‘ The Ultímate IJp^ade Cuide: Movlng On Up*. P C
Uagadnr lflt I de septiembre de 2000, pp. 187-200, Magazinf f l . 29 de enero de 2002. pp, 82-91.
http://www.fullengineeringbook.net 172 of 461.
2 .7 la
11.
Considere las siguientes transformaciones geométricas 2D: D. una dilatación (en la que se modifica la escala de las coordena das x y y por el mismo factor); R una rotación; y T. una trasla ción. ¿Conmuta Dcon R? Es decir, ¿es D(R{m)) ~ R[D(.*)) para toda «en R2? ¿Conmuta D eon 77 ¿Conmuta A?can 77
17.
Aplicaciones a los gráficos por computadora 15 5
Proporcione la matriz de 4 x 4 que hace girar puntos en R3 con respecto al eje x a través de un ángulo de 60°. (Véase la figura). z
Una rotación en la pantalla de una computadora a veces se Implementa como el producto de dos transformaciones de trasquilado y escalamiento, que pueden acelerar los cálculos para determi nar cómo se presenta en realidad una Imagen gráfica en tér minos de las plxeles de la pantalla (La pantalla consiste en filas y columnas de puntos pequeños, llamados píteles). La primera transformación A\ trasquila verticalmente y después comprime cada columna de plxeles; la segunda transformación Az trasquila horizontalmente y después estira cada fila de plxeles. Sean r Ai =
i o o - i sen tp eos? 0 I. Lo 0 lj
[sec? 0
—tan? 1
0
0
1& Ehcuentre la matriz de 4 x 4 que hace girar puntos en R3 con especio al eje ; a través de un ángulo de -30*. y después los traslada mediante p » (5. -2 . 1).
0"j 0 .
ISl Sea 5el triángulo con vértices (4.2. 1.2. 4). (6. 4. 2) y (2. 2. 6). Encuentre la Imagen de 5bajo la proyección en perspectiva con centro de proyección en (0. 0. 10).
lj
y muestre que la composición de las dos transformaciones es
1& Una rotación en R2. por lo general, requiere cuatro multiplica dones. Calcule el siguiente producto y demuestre que la matriz para una rotación se puede factorizar en tres transformaciones d? trasquilado (cada una de las cuales requiere de tan solo una multiplicación). 1 -iu f/2 0 1
0
la
O] f 0
1 sen ?
0 I
0 lj [ 0 0 1 — tan?/2 0] [ 2 ¡ ?J
0"| 0
lj
Las transformaciones usuales en coordenadas homogéneas para gáfleos 2D por computadora implican matrices de 3 x 3 en la forma
^j donde / e s una matriz de 2 x 2 y pestá en R2.
Demuestre que una transformación de este tipo equivale a una transformación lineal en R2 seguida por una traslación (Su*,* rencia. Encuentre una factorizaclón de matrices adecuada en la que intervengan matrices partlctonadas 1.
14
Demuestre que la transformación del ejercicio 7 es equivalente a una rotación con respecto al origen seguida por una traslación mechante p Encuentre p
1S ¿Qué vector en R3 tiene las coordenadas homogéneas
( 1 —1 —1, JL)?
18
¿Son (1. - 2 . -3 . 4) y (10. -20. -30. 40) coordenadas homo #neas para el mismo punto en R3?¿Por qué?
HL Sea 5 el triángulo con vértices (7. 3, -5 ). (12. 8. 2). (1. 2. 1). Encuentre la Imagen de 5 bajo la proyección en perspectiva con centro de proyección en (0. 0. 10). Los ejercicios 21 y 22 se refieren a la marera en que se especifica el color para mostrarse en gráficos por computadora. En una pantalla de computadora, el color se codifica utilizando tres números (R Q ffi para indicar la cantidad de energía que un cañón debe transmitir a los puntas fosforescentes rojas, verdes y azules sobre la pantalla de la computadora (Un cuarto número especifica la luminosidad o intensidad del color). a . (M| El color real que ve un observador en una pantalla está Influido por el tipo especifico y la cantidad de material fosfores cente en la pantalla. De esta manera cada febricante de panta llas de computadora debe hacer la conversión entre los datos (R G. B) y un estándar internacional para color. CIE. que usa tres colores primarios llamados X .Y yZ . Una conversión típica para d material fosforescente de persistencia breve es '.61 .35 .04
.29 .59 .12
.150“] f /í "1 r * - | .063 C = K -787 J L ^ J LZ J
Un programa de computadora envía un flujo de información acerca del color a la pantalla usando datos del estándar CIE (A! Y. A Encuentre la ecuación que convierte esta Información en los datos (R G. B) que necesita el cañón de electrones de la pantalla. a . |M) La señal transmitida por la televisión comercial describe cada color por medio de un vector (Y, I. Q. Si la pantalla es en hlanco y negro, solo se utiliza la coordeaida Y. (Esto da una me Jar Imagen monocromática que si se usa el estándar CIE para las colores). La correspondencia entre YIQ y un color 'estándar* RGBesiá dada por 'Y 1 r .299 .587 .1141 r * 1 / » .596 -.275 -.321 G
qj
L -212 --528 -3, , J L s J
http://www.fullengineeringbook.net 173 of 461.
15 6
CAPÍTULO 2
Álgebra de matrices
(Un fabricante de pantallas cambiarla las entradas de la matriz para que funcionaran con sus pantallas RGff). Encuentre la ecuación que convierte los datos YIQ transmitidos por la esta
clón de televisión a los datos RGB necesarios para la pantalla del televisor,
SOLUCIÓN AL PROBLEMA DE PRÁCTICA Acomode las matrices de derecha a izquierda para las tres operaciones. Usando p = ( - 2 .6 ) , cos(-30°) - > f t j l y se n (-3 0 °) = - .5 , se tiene: Traslación de regreso mediante p
0 -2 1 6 0 I
’ \/3/2 -1 /2 0 >/3/2 -1 /2 0
=
2.8
“
Rotación can respecto al origen
1/2 >/3/2 0
Traslación mediante - p
0 ' '1 0 0 1_ 0
0 1 0
2' -6
1
1/2 \/3 ■5 ' v/3/2 -- 3 ^ + 5 0 1 -
SU BESPA CIO S DE Un Esta sección se concentra en los importantes conjuntos de vectores en llamados subespa cios. Con frecuencia surgen subespacios conectados con alguna matriz A. los cuales brindan información útil acerca de la ecuación A x = b. Los conceptos y la terminología de esta sec ción se usarán repetidamente a lo largo del libro.1
DEFINICIÓN
Un su b e sp a d o d c
R" es cualquier conjunto H e n R" que tenga tres propiedades:
a) El vector cero está en H. b) Para cada ■ y v en H. la suma ■ + v está en H c) Para cada u e n H y cada escalar c. el vector cm está en H.
Dicho con palabras, un subespacio es cerrado bajo la suma y la multiplicación escalar. Como se verá en los siguientes ejemplos, casi todos los conjuntos de vectores analizados en el capítulo 1 son subespacios. Por ejemplo, un plano que pasa por el origen es la manera es tándar de visualizar el subespacio del ejemplo 1. Véase la figura 1.
R G U R A 1 Gen {▼!. tiene un plano a través del origen.
EJEMPLO 1 Si V! y v2 están en R n y H = Gen {v,. v2}. entonces H e s un subespacio de R". Para comprobar este enunciado, observe que el vector cero está en H (porque Ovi + 0*2 es una combinación lineal de vi y vs). Ahora tome dos vectores arbitrarios en H por ejemplo. ■ = 5i*i + « r e
y
v =
+ r2v 2
Luego. ■ + V = (T I + íl) V i + ( j2 + /z )V 2
lo que demuestra que b + v e s una combinación lineal de y y, por lo tanto, está en H Además, para cualquier escalar c. el vector m está en H. ya que cu = cfai vi + s r e ) = (c j i ) t i + (cíz )t 2.
■
1 Las secciones 2.8 y 2.9 se Induycn aquí para permitir que los icaones pespongr el estudio de la mayor parte o el total de los siguientes dos capitules y vayan directamente al capitulo 7 (en el sitio Web), s i ad lo desean, Omita estas dos secciones s i pbnea estudiar el capitulo 4 antes que el captulo 7.
http://www.fullengineeringbook.net 174 of 461.
2.8
Subespacios de R ” 15 7
Si vi no es cero, y si v¿ es un múltiplo de vj. entonces Vi y v¡> simplemente generan una recia que pasa a través del origen. Por lo tanto, una recta que pasa por el origen es otro ejemplo de un subes pació. E JE M P L O 2 Una recta L que no pasa por el origen no es un subespacio, porque no con tiene al origen, como se requiere. Además, la figura 2 muestra que L no es cerrada bajo la suma o la multiplicación escalar. ■
■ + V
N
. V
£
■ + vno «na sobre L vi * Q v2 « Avi.
?w no e sa sobre
L
FIGURA 2
E JE M P L O 3 Para vi....v,, en R a. el conjunto de todas las combinaciones lineales de V|......vp es un subespacio de R". La comprobación de este enunciado es similar al argumento dado en el ejemplo 1. Ahora nos referimos a Gen {vi......Vp) como el snbcspado generado por v i......Vp. ■ Observe que R "es un subespacio de si mismo porque tiene las tres propiedades reque ridas para un subespacio. Otro subespacio especial es el conjunto que consta exclusivamente del vector cero en R n. Este conjunto, llamado mbwpado cero también satisface las condi ciones de un subespacio.
E spacio de colum nas y espacio nulo de una m atriz Los subespados de R " generalmente se presentan en aplicaciones y en la teoría en una de dos formas. En ambos casos, es posible relacionar el subespacio con una matriz.
DEFINICIÓN
El espado de rnimnrcK de una matriz A es el conjunto Col A de todas las combina ciones de las columnas de A.
a-;l
Si A = {a.- ••• . con las columnas en R", entonces Col A es lo mismo que Gen { ai..... a.-}. En el ejemplo 4 se muestra que el espado cnhnnua de una matriz de m x o es un sn b e sp ad o de R“ . Observe que Col A es igual a R " solo cuando las colum nas de A generan a R m. Si no la generan. Col A es solo una parte de Rm.
[
1 - 3 -4 -4 6 -2 -3
7
y
b
6
•[i]
Determine si
b es el
espacio
columna de A. SOLUCIÓN FJ vector b e s una combinación lineal de las columnas de A si y solo si b s e pue de escribir como A x para alguna x. es decir, si y solo si la ecuación A x = b tiene una solución. Reduciendo por 1 filas - 3 a-4la matriz 3" aumentada H - 3 [A -4b¡ . se tiene - 3 -4 3"
-4 -3
6 -2 3 7 6 -4
se concluye que A x =
~ 1 0 - 6 -18 -6
Lo-2
3] 15 U
n
-6 -18 0
0 0 L o ■ *J
b es consistente, y b está en Col A.
http://www.fullengineeringbook.net 175 of 461.
15 0 ■
15 8
CAPÍTULO 2
Álgebra de matrices La solución del ejemplo 4 indica que cuando un sistema de ecuaciones lineales está es crito en la forma A x = b, el espacio columna de A es el conjunto de todas las b para las que d sistema tiene una solución.
DEFINICIÓN
H «paño mío de una matriz A es el conjunto Nul A de todas las soluciones posibles para la ecuación homogénea A x - O Cuando A tiene n columnas, las soluciones de A x = O pertenecen a R". y el espacio nulo de A es un subconjunto de R n. De hecho. Nul A tiene las propiedades de un subes pació de matrices de R".
TEOREMA 12
H espado nulo de una matriz A de m x n es un subespacio de R n. De manera equiva lente. el oonjunto de todas las soluciones posibles para un sistema A x = Ode m ecuacio nes lineales homogéneas con n Incógnitas es un subespado de R fl. DEMOSTRACIÓN El vector cero está en Nul A (porque .40 = fl). Para demostrar que Nul A satisface las otras dos propiedades requeridas para conformar un subespacio, tome cualesquiera ■ y ▼en Nul A. Es dedr. se supone que Am = 0 y A v = 0 Asi. por una propie dad de la m ultiplicadón de matrices. A(m + v) = Am + A v = 0 + 0 = 0 Por lo tanto. ■ + v satisface A x = 0 y asi n + v está en Nul A. Además, para cualquier es calar c. >4(cw) - c(Ab ) - c(0) - 0. lo que demuestra que en está en Nul A. ■ Rira saber si un vector dado v está en Nul A. solo se calcula A v para ver si A v es el vec tor cero. Puesto que Nul A se describe por medio de una condición que debe comprobarse para cada vector, se dice que el espacio nulo está definido im pifa tómente. Kn contraste, el espacio columna se define explícitamente, ya que los vectores en Col A se pueden construir (con com binadones lineales) a partir de las columnas de A. Para crear una descripdón exp lía ta de Nul A, se resuelve la ecuadón /be = Oy se escribe la soludón en forma vectorial paramétrica. (Véase el ejemplo 6 que se presenta más adelante).2
Base p ara un subespacio Como, por lo general, un subespacio contiene un número infinito de vectores, algunos problemas reladonados con subespacios se manejan mejor trabajando con un conjunto finito y pequeño de vectores que genere el subespacio. Cuanto menor sea el conjunto, será mejor. Es factible demos trar que el conjunto generador más pequeño posible debe ser linealmente independiente.
DEFINICIÓN
*5
Una h a » de un subespado H de R" es un conjunto linealmente independiente en H, que genera a H
EJEMPLO 5 Las columnas de una matriz invertible de n x n forman una base para toda R" ya que son linealmente independientes y generan R n, de acuerdo con el teorema de la matriz invertible. Una matriz de este tipo es la matriz identidad de n x n Sus columnas se denotan mediante c*..... T 0 ej =
. .0 .
C2 =
0‘ 1
'0 ' .
....
e„ =
.0 ^
E3 conjunto (®t..... es la base estándar para R". Véase la figura 3. FIGURA 3
la base estándar para R \
* E1 contraste M itr e Nul
A y C o l A se analiza con mayor detalle en la secctón 4.2.
http://www.fullengineeringbook.net 176 of 461.
0 .1 . ■
2.8
Subespacios de R" 15 9
El siguiente ejemplo muestra que el procedimiento estándar para escribir el conjunto solución de A x = Oen la forma vectorial paramétrica en realidad identifica una base para Nul A. Este hecho se utilizará en todo el capitulo 7 (en el sitio Web).
EJEMPLO
Encuentre una base para el espacio nulo de la matriz
6
6 -1 A =
-2
2
-4
5
SOLUCIÓN Primero, escriba la solución de A x = *en forma vectorial paramétrica: 1
[A
0 ]~
0 0
-2
0
0 0
1 0
3
-1 2 0
X|
0
-2
-
2x2
0
-
*4 + 3*5 = 0
x j + 2*4 - 2x5 = 0
0 0
0=0
La solución general es Xi = 2as + X4 - 3xs. x¡ = - 2 x4 + 2xs. con as. xay a$ libres. *2
*3 X4
—
’ 2aT2 + AT4“ 3xS "
2
*2
1
= X2
-2X4 + 2X5 *4
t
0
+ x5
+ X4 - 2
0 0 0
*5
-3
1 0
0
0
1
t
U
2
1
V
t
w
= *20 + X4 V + X5 W
(1)
l-a ecuación (1) Indica que Nul A coincide con el conjunto de todas las combinaciones li neales de « v y w. Es decir, {■. v, w} genera Nul A. De hecho, esta construcción de a v y w automáticamente las hace lineal mente independientes, ya que ( 1 ) muestra que • = x¿m + x w + X5 W solamente si todos los pesos as. x\ y xs son cero. (Examine las entradas 2. 4 y 5 del vector x¿m + x«v + atsw). Asi. {«. v. w} es una base para Nul A. ■ Encontrar una base para el espacio columna de una matriz, en realidad, representa menos trabajo que encontrar una base para el espacio nulo. Sin embargo, el método requiere cierta explicación. Comencemos con un caso sencillo.
EJEMPLO 7
Encuentre una base para el espacio columna de la matriz I
0
-3
5
0
0 0
1 0
2 0
-1 0
0 1
0
0
0
0
0
SOLUCIÓN Denote las columnas de /?mediante b;.....b, y observe que b = - 3 b + 2by que b = 5 b — b - El hecho de que b y b sean combinaciones de las columnas pivote significa que cualquier combinación de b . .... b es en realidad solo una combinación de b . b y b - Efectivamente, si v es cualquier vector en Col B. por ejemplo. v = o b + c?b +
03b
+ c* b + c jb
entonces.alsustituirbyb.se puede escribir ven la forma v = c ib + 02b + c s ( -3 b + 2b) + C4(5b - b ) + esb que es una combinación lineal de b . b y b . Así. (b . b . b ) genera Col B. También, b . b y b son línealmente independientes, porque son columnas de una matriz identidad. Por lo tanto, las columnas pivote de B forman una base para Col B. ■
http://www.fullengineeringbook.net 177 of 461.
16 0
CAPÍTULO 2
Á lg e b ra d e m a tr ic e s
La matriz i? del ejemplo 7 está en forma escalonada reducida. Para manejar una matriz general A, recuerde que las relaciones de dependencia lineal entre las columnas de A se pue den expresar en la forma A x = § para alguna x (Si algunas columnas no intervienen en una relación de dependencia particular, entonces las entradas correspondientes de x son cero). Cuando A se reduce por filas a la forma escalonada B, las columnas cambian en forma drás tica. pero las ecuaciones A x = O y Bx = O tienenel mismo conjunto de soluciones. Es decir, las columnas de A tienen exactamente las mismas relaciones de dependencia lineal que las columnas de B. E JE M P L O 8
Es posible comprobar que la matriz
-4= [aj a2 ••• a5) =
1 3 3 -2 -2 2 2 0 3 4 -1 3
2 -9 2 -8 7 1 11 - 8
es equivalente por filas a la matriz 5 de 1ejemplo 7. Encuentre una base para Col A. SOLUCIÓN A partir del ejemplo 7, las columnas pivote de A son las columnas 1. 2 y 5. Tam bién. k< = - 3 k | + 2k. y hn = 5ki - V Puesto que las operaciones de fila no afectan las relaciones de dependencia lineal entre las columnas de la matriz, deberíamos tener que «< = - 3 * + 2 *
y
* <= 5 * - *
Compruebe que (esto es cierto! Por el argumento del ejemplo 7. se, y no son necesarias para generar el espacio columna de A. Además, {a¡, *?.*.} debe ser linealmente independien te. ya que cualquier relación de dependencia entre x¿ y a s implicarla la misma relación de dependencia entre k¡. k 2 y ks. Puesto que {k¡. ks} es linealmenle Independiente, { ai. « . %} también lo es y. por lo tanto, es una base para Col A. ■ 0
TEOREMA 13
argumento del ejemplo 8 se puede adaptar para demostrar el siguiente teorema
Las columnas pivote de una matriz A forman una base para el espacio columna de A.
Adkrrten d x Tenga cuidado de utilizar las columnas pivote de la misma A para la base de Col A. Con frecuencia, las columnas de una forma escalonada B no están en el espacio co lumna de A. (Como se observa en los ejemplos 7 y 8. todas las columnas de A tienen ceros en sus últimas entradas y no pueden generar las columnas de A).
PROBLEMAS DE PRÁCTICA* f 1. Sea A =
1 2 |_ _ 3
-1 51 r-7 i 0 7 yu= 3 I. ¿Está « e n Nul Á?¿Está n e n Col A7 - 5 —3 J L 2J
Justifique sus respuestas. 2. Dada A =
r° 1°i 0
[o •2
0
1 . encuentre un vector en Nul A y un vector en Col A.
0 oj
Suponga que una matriz A de n x n es invertible. ¿Qué se puede decir acerca de Col i4? ¿Y de Nul A l
http://www.fullengineeringbook.net 178 of 461.
2.8
Subespacios de R" 1 6 1
2 . 8 EJERCICIOS* En los ejercicios 1 a 4 se muestran conjuntos en R2. Suponga que los conjuntos incluyen las líneas de frontera. En cada caso, dé una razón especifica por la cual el conjunto Hno es un subespacio de R2. (Por ejemplo, encuentre dos vectores en //cuya suma no esté en //. o encuentre un vector en //con un múltiplo escalar que no esté en H. TYace un dibujo).
7. Sean
[-!]• y A = [ * 1 T2V,J. a) ¿Cuántos vectores hay en {»i, V2. *j }? tí) ¿Cuántos vectores hay en Col A? c) ¿Está p en Col Al ¿Por qué? Sean
"■[1} -[!} - [ i] ' Determine si p está en Col A, donde A ■
” ■ [1] 1*1 *7 *j|.
1
Con A y pcomo en el ejercicio 7. determine si pestá en Nul A I d Con u
[ ]
y A como en el ejercicio 8. determine si
está en Nul A
En los ejercicios 11 y 12. dé enteros p y q tales que Nul A sea un subespacio de R* y Col A sea un subespacio de R*. 1 3 2 1 - 9 -4 2 5 L 9 r 11. A =
2 ■ i 4 5 12. A = - 5 - 1 2 7 3 3
3’ 7 0 11 4
13. Fhra A como en el ejercicio 11. encuentre un vector diferente de oero en Nul A y un vector diferente de cero en Col A y w
[í ]
si w está en el subespacio de R1generado por ' ft Sean
vf —
r -3 . 2 3
v2 =
4’ -4 5 . 7
Determine
y * 2.
14 Ibra A como en el ejercicio 12. encuentre un vector diferente
d» cero en Nul A y un vector diferente de cero en Col A Determine cuáles conjuntos de los ejercicios 15 a 20 son bases para R2 o R1. Justifique sus respuestas.
' 5" -3 13 6 5
■[-!]•[-;] [i]
-r Determine si aestá en el subespaclo de R4 gene2
«a
m
rado por {▼i . ^ . ts}.
http://www.fullengineeringbook.net 179 of 461.
m
16 2
CAPÍTULO 2
Álgebra de mal rices
En los ejercicios 21 y 22 marque cada enunciado como verdadero o falso. Justifique sus respuestas. * a . a) Un subespacio de R"es cualquier conjunto / / tal que: L el vector cero está e n / / , l a * y a + » están en H, y S . c es un escalar y cmestá en H. tí) Si *i.....v, están en R". entonces Gen ....... es el mismo que el espacio columna de la matriz [*i — c) □ conjunto de todas las soluciones de un sistema de m ecuaciones homogéneas con n incógnitas es un subespació de R" d) Las columnas de una matriz Invertíble de n x n forman una base para R". e) la s operaciones de fila no afectan las relaciones de depen dencia lineal entre las columnas de una matriz. • 22. a) Un subconjunto H de R"es un subespacio si el vector cero está en H tí) Si fies la forma escalonada de una matriz A entonces las columnas pivote de Fforman una base para Col A c) Dados los vectores »i.....en R". el conjunto de todas las combinaciones lineales de estos vectores es un subespacio deR". d) Sea H un subespacio de R". Si xestá en //, y y está en R" entonces» + y está en H e) H espacio columna de una matriz A es el conjunto de solu ciones de .4* = b En los ejercicios 23 a 26 se presenta una matriz A y una forma escalo rada de A Encuentre una base para Col Ay una base para Nul A
’ 3 -1 1 3 0 3 _6 3
-3 3 9 9
-1 0 -1 -2
8 2 -4 6
‘ 3 -1 0 2 0 0 0 0
-3 6 0 0
0 0 -1 0
6 -4 2 0
• 27. Construya una matriz A de 3 x 3 y un vector b diferente de oero en forma tal que besté en Col A pero b no sea igual que alguna de las columnas de A. • 2R Construya una matriz A de 3 x 3 y un vector b en forma tal que b no esté en Col A • 2Rt Construya una matriz A de 3 x 3 no nula y un vector b diferente de cero en forma tal que besté en Nul A Suponga que las columnas de una matriz A = [ai — a.) son linealmente independientes. Explique por qué (a i.....^>) es una base para Col A En los ejercicios 31 a 36. responda de manera tan amplia como sea posible y justifique sus respuestas. •31. Suponga que Fes una matriz de 5 x 5cuyo espacio columna no es igual a Rs. ¿Qué se puede decir acerca de Nul F? • 3£ Si F es una matriz de 7 x 7 y Col fí - Rr. ¿qué se puede decir acerca de las soluciones de las ecuaciones de la forma ti* = b para b e n R 7? • 3 3 SI C es una matriz d e 6 x 8 y N u l C c s e l subespacio cero, ¿qué se puede decir acerca de las soluciones a ecuaciones de la forma Cb = bpara b en R6? • 31 ¿Qué se puede dedr acerca de la forma de una matriz A de m x «cuando las columnas de A forman una base para R"? • 33 Si F es una matriz de 5 x 5 y Nul F no es el subespacio cero. ¿qué se puede decir acerca de Col F? • 3ft ¿Qué se puede decir acerca de Nul Ccuando Ces una matriz de 6 x 4 con columnas llnealmente independientes?
1
25. A
4 - 1 2 -2 2 3 6 1 0 0 0
4 2 0 0
8 - 3 - 7 7 3 4 9 5 5 9 -5 -2 8 5 0 0
0 5 0 -1 1 4 0 0
|MJ En los ejercicios 37 y 38. construya bases para el espacio colum na y para el espacio nulo de la matriz A dada. Justifique su trabajo.
37. A
3 -5 0 -7 9 -4 7 -2 -5 3 -7 -3
3K A
5 4 5 -7
-1 3 9 -II 5 -7 4 0
2 -6 -8 3 1 3 -8 -7 1 4 5 19 -5 - 2 8 5
| W EB | Espado columna y espado nulo | iá C B | una base para Col A
http://www.fullengineeringbook.net 180 of 461.
2.9
Dimensión y rango 16 3
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Para determinar si n está en Nul A. simplemente calcule 0 0 0 El resultado indica que ■ está en Nul A. Para decidir si a está en Col A se requiere más trabajo. Reduzca la matriz aumentada \A ■] a la forma escalonada para determinar si la ecuación A x = ■ es consistente:
[
1 -1 5 - 7 ] 2 -3
0
7
- 5 -3
p -I
3 ^ 0 2J
5 2 -3
[o -8
—7*1 17 —
12 —19J
r 1 —1 5 —7~| 0 |_0
2 -3 0
17
0 49J
La ecuación A x = ■ no tiene solucióa por lo tanto, a no está en Col A. i.
En contraste con el problema de práctica 1. encontrar un vector en Nul A requiere más trabajo que probar si un vector específico está en Nul A. Sin embargo, como A ya está en forma escalonada reducida, la ecuación A x = O indica que si x = (jrt, xj. x$). entonces x2 * 0. x¡ = 0, y X| es una variable libre. Por lo tanto, una base para Nul A es v = (1. 0. 0). Encontrar solo un vector en Col A es trivial, puesto que cada columna de A está en Col A. En este caso particular, el mismo vector v se encuentra tanto en Nul A como en Col A. Para la mayoría de las matrices de n x n, el vector cero de R" es el único vector que se encuentra tanto en Nul A como en Col A.
3. Si A es invertible, entonces las columnas de A generan R". de acuerdo con el teorema de la matriz invertible. Por definición, las columnas de cualquier matriz siempre gene ran el espacio columna, asi que. en este caso. Col A es toda de R". En forma simbólica. Col A = R n. Además, como A es invertible, la ecuación A x = O tiene únicamente la solución trivial. Esto significa que Nul A es el subespado cero. En forma simbólica. Nul A = {©■.
2.9
DIMENSIÓN Y RANGO En esta sección se continúa el anál isis de los subespacios y las bases para subespacios comen zando con el concepto de un sistema coordenado. La definidón y el ejemplo presentados a continuadón pretenden que un término nuevo y útil, á m enúón. parezca bastante natural, al menos para los subespacios de R3.
S istem as coordenados La razón principal para selecdonar la base de un subespado H. en lugar de simplemente un conjunto generador, es que cada vector en H se puede escribir solo de una manera como com binación lineal de los vectores de la base. Para ver por qué. suponga que B = {kj......k^,} es una base de H, y que un vector x en H se puede generar de dos maneras, por ejemplo. * = cifc| + — + c , h
y
* ■ d |k , + — + d ^ p
(1)
Después, al restar se obtiene 0 = x — x = (ci - - d ¿ \ ,
(2)
Como B es linealmente independiente, los pesos en (2) deben ser todos cero. Es decir, cj = dj para 1 s y s p, lo que indica que las dos representadoncs en (1), en realidad, son Iguales.
http://www.fullengineeringbook.net 181 of 461.
16 4
CAPÍTULO 2
Álgebra de matrices
DEFINICIÓN
Suponga, que el conjunio 5 = {k, ..... %,} es la base de un subespado H. Para cada x en H, la» coordenada» é t x respecto d e la b ase B son los pesos ......... ... tales que x = c ib i + ••• + c ^ p , y el v ed o re n R ' C\ Wb se llama
vector de coordenadas de x (respecto de 8 )
o
vector de ¿^coordenada»
dex1
EJEMPLO
1
{vi. V2}. Entonces B
S eav,
es una base de H = Gen {vj. porque vi y v* son linealmente independientes. Determine si x e s tá en H y. si lo está, encuentre el vector de coordenadas de x respecto de B. SOLUCIÓN Si
x está en
H, entonces la siguiente ecuación vectorial es consistente:
c1
Los escalares c\ y C2. si existen, son las ¿^-coordenadas de x Usando operaciones de fila, se tiene que
-1 0 6 L2 1
3' 12 7
■j
0 0
0 1 0
2' 3 0
Por lo tanto, c i = 2, C2 = 3 y [x ]B = ^ J. La base B determina un ‘sistema de coordena das" en H. lo que puede visualizarse por medio de la malla que se ilustra en la figura 1.
■
FIGURA 1 Un sistema de coordenadas sobre un
plano H en RJ.
1 Fs Importante qfje los elementos de vectores en 8,
8 estén numerados, ya que las entradas de [x]e dependen del orden de los
http://www.fullengineeringbook.net 182 of 461.
2.9
Dimensión y rango 16 5
Observe que a pesar de que los puntos de //tam bién se encuentran en R3. están comple tamente determinados por sus vectores de coordenadas, los cuales pertenecen a La malla en el plano de la figura 1 hace que //* se vea* como R2. La correspondencia x *-* [x)B es una correspondencia uno a uno entre H y R2 que conserva las combinaciones lineales. A una co rrespondencia de este tipo se le llama isomorfismo. y se dice que / / e s isomorfo a IR2. En general, si B = ( k i......es una base para H, entonces el mapcox»-* (*|s es una co rrespondencia uno a uno que permite a //verse y actuar Igual que R ' (aunque los propios vec tores de //puedan tener más de p entradas). (En la sección 4.4 se presentan más detalles).
D im ensión de un subespacio Es posible demostrar que si un subespado //tie n e una base de p vectores, entonces cualquier base de H debe consistir en exactamente p vectores. (Véase los ejercicios 27 y 28). Por lo tanto, la siguiente definición tiene sentido.
DEFINICIÓN
La «Bmmaáónde un subespado //diferente de cero, que se denota mediante dim H, es el número de vectores en cualquier base para H. I,a dimensión del subespado cero {0} es, por definición, cero.2
El espacio R" tiene dimensión a Cada base para R" consiste en n v ed ores, Un plano a través de 0 en R3 es bidimensional. y una recta que pasa a través de 0 es unidimensional. E J E M P L O 2 Recuerde que el espacio nulo de la matriz A vista en el ejemplo 6. sección 2.8, tenía una base de tres vectores. Asi que la dimensión de Nul A en este caso es 3. Observe cómo cada vector básico corresponde a una variable libre en la ecuación A x = 0 La construedón realizada aquí siempre produce una base de este modo. Así. para encontrar la dimen sión de Nul A, basta con identificar y contar el número de variables libres en A x = 0 ■
DEFINICIÓN
El ra n g o de una matriz A, que se denota como rango A, es la dimensión del espacio columna de A.
Puesto que las columnas pivote de A forman una base para Col A, el rango de A es sim plemente el número de columnas pivote en A. EJEMPLO 3
Determine el rango de la matriz ’2 4 6 0 -
5 -3 -4 7 - 4 - 3 9 -5 2 9 6 5 -
8' 9 4 6
SOLUCIÓN Reduzca A a la forma escalonada: 2 5 -3 2 0 -3 4 0 -6 0 -9 6
-4 8 5 -7 14 - 2 0 5 -6 Columnas pivote
2 8 5 -3 -4 2 0 -3 5 -7 0 0 0 4 -6 0 0 0 0 0 i
La matriz A tiene 3 columnas pivote, así que rango A = 3. 2 F3 subespado cero diente).
■
no tiene base (porque el vector cero forma, por s i mismo, un empunto llnealmente depen
http://www.fullengineeringbook.net 183 of 461.
16 6
CAPÍTULO 2
Álgebra de matrices La reducción por filas del ejemplo 3 revela que hay dos variables libres en A x = 0 porque dos de las cinco columnas de A no son columnas pivote. (Las columnas que no son pivote corresponden a las variables libres de A x = 0). Como el número de columnas pivote más el número de columnas que no son pivote es exactamente el número de columnas, las dimensiones de Col A y Nul A guardan la siguiente relación útil. (Para más detalles, véase el teorema del rango en la sección 4.6).
T E O R E M A 14
EJ teorema del rango Si una matriz A tiene vi columnas, entonces rango A + dim Nul A * n.
0 siguiente teorema es importante para las aplicaciones y se necesitará en los capítulos 5 y 7 (este último en el sitio Web). 0 teorema (demostrado en la sección 4.5) es verdadera mente superior, si se piensa en un subespacio /^dimensional como isomorfo a Up. 0 teorema de la matriz invertible establece que pvectores de R ^son linealmente independientes si y solo si también generan a R^.
TEO REM A 15
B teorema de la base Sea H un subespacio /xiim ensional de R" Cualquier conjunto Unealmente Indepen diente de exactamente p elementos en H de forma automática es una base de H. Ade más. cualquier conjunto de /? elementos de A/que genere a H es automáticamente una base para H.
Rango y el teorem a de la m atriz invertible Los diversos conceptos de espacio vectorial asociados con una matriz proporcionan varios enunciados más para el teorema de la matriz invertible. Estos enunciados se presentan como una continuación del teorema original presentado en la sección 2.3.
T E O R E M A 16
B teorema de la matriz Invertlble(continuación) Sea A una matriz de n x n En tal caso, cada uno de los siguientes enunciados es equi valente al enunciado de que A es una matriz invertible. m) Las columnas de A forman una base de R" n) Col A = R" o) dim Col A = n P) rango A = n 4 ñ
Nul A = {•} dim Nul > 1 = 0
DEMOSTRACIÓN 0 enunciado /n) es. por lógica, equivalente a los enunciados e) y A) que consideran independencia lineal y generación. I / k otros cinco enunciados se vinculan a ios primeros del teorema por medio de la siguiente cadena de implicaciones casi triviales. g)=>.rí)=*d)=>p)=*r)=>q)=>(f) 0 enunciado g), que establece que la ecuación A x = b tiene al menos una solución para cada b en Rn. implica al enunciado r¡), porque Col A es precisamente el conjunto de todas las b tales que la ecuación A x = b sea consistente. Las implicaciones ríf => o) => se desprenden de las definiciones de dm onsión y rango. Si el rango de A es n, el número de columnas de A, entonces dim Nul A = 0. de acuerdo con el teorema del rango, y así Nul A = { • ;. Por lo tanto,
http://www.fullengineeringbook.net 184 of 461.
2.9
Dimensión y rango 16 7
p) => r) =» q). Además, el enunciado q) implica que la ecuación A x = Otiene únicamente la solución trivial, que es el enunciado d). Puesto que ya se sabe que los enunciados d ) y g) son equivalentes al enunciado de que A es invertible, la prueba está com pleta ■ ---- NOTAS N U MÉ R I C A S ------------------------------------------------------------------------Muchos de los algoritmos analizados en este libro resultan útiles para entender concep tos y realizar a mano cálculos sencillos. Sin embargo, con frecuencia las algoritmos no son aplicables a problemas de gran escala en la vida real. Un buen ejemplo de lo anterior es la determinación del rango. Tal vez parezca sencillo reducir una matriz a su forma escalonada y contar los pivotes. Pero, a menos que se realícen cálculos matemáticos precisos sobre una matriz cuyas entradas estén especificadas de manera exacta, las operaciones de fila pueden cambiar el rango apa rente de una matriz. Por ejemplo, si el valor de x e n la matriz
^j no se almace
na exactamente como 7 en una computadora, entonces el rango puede ser 1 o 2, depen diendo de si la computadora considera a x - 7 como cero. En las aplicaciones prácticas, es frecuente que el rango efectivo de una matriz A se determine a partir de la descomposición del valor singular de A, que se estudiará en la sección 8.4 (en el sitio Web).
PROBLEMAS DE PRÁCTICA* 1. Determine la dimensión del subespacio H d e IR3 generado por los vectores v,. v2 y (Primero, encuentre una base para H).
para W2. Si ( x )s = ^ j- ¿qué & •a
¿Podría contener un subespacio cuatridimensional (o tetradimensional)? Explique su respuesta
2 . 9 EJERCICIOS* En los ejercicios 1 y 2, encuentre el vector «determinado por el vec tor de coordenadas (x]B y la base B dados. Ilustre cada respuesta con una figura como en la solución al problema de práctica 2. L B
2.
B=
En los ejercicios 3 a 6, el vector «está en un subespaclo H con una base B = {fc|, fc*}. Encuentre el vector de B-coordenadas de *
-PHiHi]
http://www.fullengineeringbook.net 185 of 461.
16 8
CAPÍTULO 2
7. Sean
Álgebra de matrices
b, = [ ^ ] . b , = [
‘ ]. w = [ _ ’ ] . , = [ { ]
y 1L A =
B = {k|, fcz}. Use la figura para estimar (w)B y [xjB. Confir me su estimación de |x]B usándola Junto con {k|, b?} para calcular x
’ 2 3 0 -3 1 0 0 0
12. A
4 -5 2 -3 6 -8 3 -5 0 9 0 9 -6 - 7 - 3 -1 0 2 -5 0 5 0 0 0 0
' 1 5 4 _3
2 1 6 4
-4 -9 -9 -5
’1 0 0 0
2 2 0 0
8 3 5 0
1 —4" 0 5 0 0 0 0 4 2 12 8
6' 10 15 9_
4 -6 ‘ 4 -1 0 -5 0 0
ciclos 13 y 14. encuentre una frieran los vectores dados. ¿Cuál es la dimensión del subespaclo?
[x]B. b is y Mo- Confirme sus estimaciones de [y)B y [*]„ dándolas junto con {b|. b?) para calcular y y x
* IS Suponga una matriz A de 4 x 6 tiene cuatro columnas pivote. ¿Es Col A = R*?¿Es Nul A = R*? Explique sus respuestas. * lft Suponga una matriz A de 4 x 7 tiene tres columnas pivote. ¿Es Col A - R*? ¿Cuál es la dimensión de Nul A? Explique sus respuestas. Eh los ejercicios 17 y 18. marque cada enunciado como verdadero o falso. Justifique sus respuestas. Aquí Aes una matriz de m x n
En los ejercicios 9 a 12 se presenta una matriz Ay una forma escalo nada de A Encuentre bases para Col Ay Nul A. y después establezca las dimensiones de estos subespacios. ■i A —_ 3 2 _5
A
A =
2 -6 ' 3 9 1 5 6 -1 9 15 0 14
1 -2 -1 2 -1 1 -2 0 -2 3 1 4 1 -2 -1 0 1 1 0 0 0 0 0 0
"1 l 0 _c 4' 6 -< l 5_
5 5
2 0 1 0
cf 3 0 1
3 0 0 0
2' 3 5 -7 0 5 0 0
* 17. a) SI B = {»i......es una hase para un subespaclo H, y si x = ciXi + ••• + t>xp, entonces c\.....c>son las coordena ctes de «respecto de la base B A) Cada recta en R°es un subespaclo unidimensional de R". c) La dimensión de Col A es el número de columnas pivote de A. d) la s dimensiones de Col A y Nul A suman el número de co lumnas de A. e) Si un conjunto de p vectores generan un subespaclo />di mensional Hde R". entonces estos vectores forman una base para / / * 18 a) Si B es una base para un subespaclo H entonces cada vector en Hse puede escribir solamente de una forma como combi nación lineal de los vectores en B. i^ 1.a dimensión de Nul Aes el número de variables en la ecua ción A* = O c) La dimensión del espacio columna de Aes rango A.
http://www.fullengineeringbook.net 186 of 461.
2.9 d) SI B - {▼,.....▼,} es una base del subespaclo H de R", entonces la correspondencia x («jp hace que //sea vea y actúe comoR'. e) Si //es un subespacio/> dimensional de R°. entonces un con junto linealmente independiente de p vectores en //e s una tese para H En los ejercicios 19 a 24 justifique cada respuesta o construcción. lf t Si el subespacio de todas las soluciones de /l« “ O tiene una base que consiste en tres vectores, y si A es una matriz de 5 x 7, ¿cuál es el rango de A7 £Q ¿Cuál es el rango de una matriz de 6 x 8 cuyo espacio nulo es tridimensional?
21.
SI el rango de una matriz /i de 9 x 8 es 7. ¿cuál es la dimensión del espacio solución de /te = O'
22
Demuestre que un conjunto {vi.....*5} en R" es llnealmente dependiente si dtm Cen {*i.....ts) ■ 4.
* 27. Suponga que los vectores b .....k, generan un subespaclo W, ysea {ai.....a,} cualquier conjunto en W'que contenga más de p vectores. Complete los detalles del siguiente argumento para d?mostrar que {ai.....a,) debe ser llnealmente dependiente. Primero, sea /? = k | — ^,|y>4 = (ai ••• a<|. 0) Explique por qué para cada vector existe un vector t j en Re tal que m,- = Bcr 1) Sea C = |«i ••• «^|. Explique por qué existe un vector diferente de cero tal que Om - 0 c) Utilice B y C para demostrar que Aa = O Esto muestra que las columnas de A son linealmente dependientes. • 28. Lke el ejercicio 27 para demostrar que si A y B son bases para un subespaclo iVde R". entonces A no puede contener más vectores que B y. a la inversa, que B no puede conte ner más vectores que A.
2 2 Si es posible, construya una matriz A de 3 x 5 tal que dlm Nul A = 3 y d í m Col >1 = 2.
24
Dimensión y rango 16 9
Construya una matriz de 3 x 4 con rango 1.
2 5 Sea A una matriz de n xpcuyo espacio columna es ^-dimensio nal. Explique por qué las columnas de A deben ser linealmente independientes. 2 a Suponga que las columnas 1. 3, 4. 5 y 7 de una matriz A son llnealmente Independientes (pero no son necesariamente co lumnas pivote), y que el rango de A es 5. Explique por qué las dnco columnas mencionadas deben ser una base para el espacio columna de A
2 a [M] Sean H «* Gen {*i, Tí), y B ** {*!. * 2}. Demuestre que x está en II, y encuentre el vector de C-coordenadas de x. cuando ' 14' ■ 15' ' 16' -5 0 -10 . v, = . x = V| = 12 11 13 7 17 -3 a a (Mi Sean H - Gen {
8l 0
=
7 -3
■ -9l . v, =
4
-8
. x =
3
r n i -2 17
-8
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Construya A = (vt v? de manera que el subespado generado por Ti. V3 sea el espa d o columna de >4.1-as columnas pivote de A proporcionan una base para este espado.
[ - 82 - 73 6 -I
-I]
[2
6 I —l o
3
- l “|
[2
3 -1]
5 2 I~ I 0
5 2
- 7 j L0-10 ~4J L°
0 °J
Las primeras dos columnas de A son columnas pivote y forman una base para H. Por lo tanto, dim H = 2. i
Si [x]g = [ j j. entonces x se forma a partir de una combinación lineal de los vedores básicos usando los pesos 3 y 2:
La base {b,. b?) determina un sistema de coordenadas para R z, que se ilustra con la malla de la figura. Observe oómo x tiene 3 unidades en la dirccdón b y 2 unidades en la d lrecd ó n b ,.
http://www.fullengineeringbook.net 187 of 461.
17 0
CAPÍTULO 2
Álgebra de matrices
1 Un subespado cuatridimensional contendría una base de cuatro vectores linealmente in dependientes. Esto es imposible en R3. Como cualquier conjunto linealmente indepen diente en R3 no contiene más de tres vectores, cualquier subespacio de R3 tiene una di mensión no mayor a 3. El propio espacio R3es el único subespado tridimensional de R3. Los otros subespacios de R3 tienen dimensión 2. 1 o 0.
C A P Í T U L O 2 EJERC IC IO S C OM PLEM EN TAR IO S 1. Suponga que las matrices mencionadas en los siguientes enun ciados tienen los tamaños adecuados. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. a) Si A y Bson de m x a, entonces tanto ABr corno ArB están definidas. Si AB - C y C tiene dos columnas, entonces A tiene dos columnas. c) Al multiplicar por la izquierda una matriz B por una matriz diagonal A. con entradas distintas de cero en la diagonal, se modifica la escala de las filas de B. ) Si BC = BD, entonces C= D.
0' & Sea A = í 'k « Lc) —1 J
*1. Estas son matrices de L1 °J espín de Pauli y se usan en el estudio del espín de electrones en mecánica cuántica Demuestre que A? • /. & » l y A B m -BA. Las matrices del tipo AB = -BAse llaman anticonmutativas. anne ‘1 3 8 -3 7. Sea A = 2 4 11 y B = 1 Calcule A"'B 11 1 2 5 3
i]
sin calcular A ~ \ |Sugerencia: A~'Bes la solución de la ecua ción AX = B). a
e) Si AC = 0. entonces A = 0 o C = 0.
Encuentre una matriz A tal que la transformación x mapee
t¡ Si A y Bson de n x n , entonces (A + B){A - Bi = A2 - ff. g) Una matriz elemental de n x n tiene n o n + 1 entradas diferentes de cera h) I-a transpuesta de una matriz elemental es una matriz ele mental ij Una matriz elemental debe ser cuadrada. J) Toda matriz cuadrada es un producto de matrices elemen tales. # Si Aes una matriz de 3 x 3 con tres posiciones pivote, exis ten matrices elementales £i.....tales que E¡, ••• EyA = L
rii Si AB=* BAy Aes invertible, entonces A
BA '.
o) Si Aes Invertible y r * 0, entonces (rA)_1 = rA p) Si Aes una matriz de 3 x 3 y la ecuación Ax -
’ 1“ 0 tiene 0
una sola solución, entonces A es Invertlble 2
Encuentre la matriz Ccuya Inversa es C ~ 1
a
Sea A
0 I 0
0 0 I
0 0 . Demuestre que A3 = 0. Utilice álge 0
bra de matrices para calcular el producto ( / - A)(7 + A + A2). 4 Suponga que A" = 0 para alguna n > 1. Encuentre una inversa para I - A. 5. Suponga que una matriz A de n x n satisface la ecuación A7 - 2A + / = 0. Demuestre que A3 = 3A - 21, y que A4 = 4A —3/
respectivamente. [Su#*-
rencia: Escriba una ecuación de matrices que Implique a A. y d?speje AJ. ft Suponga que AB = ^ J j
* jy fl =
] j Encuentre A.
ltt Suponga que Aes invertible. Explique por qué A'A también es invertlble. Después demuestre que A-1 = (ArA)~‘Ar. 1L Sean xi..... x,, números fijos. La siguiente matriz, llamada una matriz de Vandermonde, se presenta en aplicaciones como pro cesamiento de señales, códigos correctores de errores e interpo Lición de polinomios.
í) Si AB = /, entonces Aes Invertible. m) Si A y Bson cuadradas e Invertibles, entonces ABes Inverti ble, y (AB, 1 - A 'B '
^J J y [ ^ ] e n [ j ] y [ j ]
Ax
...
1 1
Xi
i
_1
Xn
xl
V =
X\
... ..,
x r l l x r l
* r l .
A partir de y = (y,..... y j en R". suponga que c = (q>....c„_|) en R"satisface Me = y. y defina el polinomio pU) = c0 + c,r + cjt7 + ••• + « v i/* -1 a) Demuestre que p(x¡) = yi„... p(x¿ = y„ Denominamos a p(t) un polinomio de interpolación para los puntos (*i. y i)..... {Xn yJ porque la gráfica de p(t) pasa por estos puntos. ti¡ Suponga que x¡.....x„son números distintos Demuestre que fas columnas de Vson llnealmente independientes. [Su#* wncia: Píense en cuántos ceros puede tener un polinomio de grado n - 1|. c) Demuestre que: *Si x\..... x n son números distintos >i...... y„ son números arbitrarios, entonces hay un polinomio de interpolación de grado « n - 1 para (jn. yi)..... (*» yj*. 12 Sea A = LU. donde L es una matriz triangular inferior invertlble y f/es triangular superior. Explique porqué la primera columna de A es un múltiplo de la primera columna de L. ¿Cómo se reía dona la segunda columna de Acon las columnas de /-?
http://www.fullengineeringbook.net 188 of 461.
Capítulo 2 Ejercicios complementarlos 1 7 1 la
Dada u e n R"cono u = 1, sea P = o u r (un producto exterior) y Q = 1 - 2P. Justifique los enunciados a), b) y c). a) f* = P ti) p r = P c) t f = I La transformación x >-* Px es una proyección, y x •-* Qx se llama reflexión de Househoider. Dichas reflexiones se usan en programas de computadora para crear múltiples ceros en un sector (por lo general, una columna de una matriz). T
------- 1 Vi m
_____ 1
14 Sean u =
"0' 0 y * = 1
. Determine P y Q como en el
ejercicio 13. y calcule P xy Qx. La figura muestra que 4 * es la reflexión de na través del plano x¡X2.
ü
16. Sea A una matriz singular d e n x n . Describa cómo se puede construir una matriz Báe n x n no nula tal que AR= 0. 17. Sean A una matriz de 6 x 4 y /Juna matriz de 4 x 6. Demuestre que la matriz A Bfe 6 x 6 no puede ser invertlble. 18. Suponga que 4 es una matriz de 5 x 3 y que existe una matriz Cde 3 x 5 tal que CA Suponga además que para alguna h cbda en Rs. la ecuación Ax = fctlene por lo menos una solución. Demuestre que esta solución es única. ia
[M| Ciertos sistemas dinámicas se pueden estudiar examinan do las potencias de una matriz, como las que se presentan a continuación. Determine qué ocurre a Ak y & conforme k se Incrementa (por ejemplo, pruebe con k =* 2..... 16). ’IYate de Identificar qué tienen de especial A y B Investigue potencias gandes de otras matrices de este tipo y haga una conjetura acer ca de dichas matrices. .2 ’ 0 .2 .3 •3 1 .6 .3 . B = .1 .6 .3 .2 •4 J .9 .2 .4
20i
(M[ .Sea An una matriz d e n x n con ceros en la diagonal prin cipal y números 1 en el resto. Calcule A~' para n - 4. 5 y 6. y haga una conjetura acerca de la forma general de A~1para valores más grandes de n
*7
Una reflexión de Househoider a través del plano Xi ** 0.
Suponga que C - E¿EiE\B, donde £¡. Ez y ^ son matrices dementales. Explique por qué O s equivalente por filas a B
http://www.fullengineeringbook.net 189 of 461.
17 2
CAPÍTULO 2
Álgebra de matrices
A U TO E V ALU AC IÓ N 1. Si A es una matriz de 2 x 1 y B e s otra matriz de 2 x 1; entonces la proposición verdadera es a) Á fiesd e 1 x 2 y BA es de 2 x 1. b) A B no está denido y B A no está definido. c ) Á¿?esde 2 x 2 y B A e s d e 1 x 1. d) A B e s de 2 x 1 y BA es de 1 x 2.
9 0
2. 1.a transpuesta de la matriz A =
8
8
8
-7
0
-7
es
0 8 . -7
8 0
8
-7
9 8 8 8
-7
9
0
0 .
_ -7
2
3L Determinar si la matriz A -
B= .
4
1 -3 -1
-l
2
-2
4 1
1
La inversa de la matriz A
3)
-7 8
0
-2
1
0
-1
1 -1 1
0 1 1
es la inversa de la matriz
0 0 1
-l
0
0
1
1
-1
-1
0
0
1
1
. -1
-1
-1
. 0
0
1 .
1
0
1
4
-2
1 -1
-7
0
-1 1
-1
0 . 9
00
d)
00
0 -7 0 -7
9 8 8 8
1
0
1
0
d)
1
-1
1
0
1
0
0
-1 1
& El producto A B de las matrices particionadas
A
3)
=
4 2 5 -8 -5 -7
0 -1 3 0 -6 18
1 -3 7 32 14 46
-2 Bm
20 8 31 _
1 4
0 6 -1
8 2 0
5 2 3
es
di
http://www.fullengineeringbook.net 190 of 461.
-4 -1 7 21
-1 -3 11
32 14 46
23 -1 52
Autoevaluaclón 17 3
a
a
-4 -12 28
-1 -3 -7 3 -6 9
Sea A =
l
-2 3
0 0 0 -1 4 5
0
3 -9 21 2 -5 6
0
-4 -1 7 21
d)
-1 -3 11
32 14 46
23 -1 52
. dada la factorizadón L U de
3 - 1 2
1 0
0
2
-1
4
0
0
4
1
. encontrar la solución de A x = b con
6 6=
-3
usando la información que se tiene sobre la factorizadón de A.
2 2 4
4 11
. 4
-1
7. Encontrar la fadorizadón LU de la matriz A ■
.2 .3 .4
& Dadas la matriz C -
.1 .2 .1
.1 .3 .3
5 5 24 . 213 322 . ¿cuál es el v ed o r de . 296 .
y el vedor é =
producdón -rque satisface una economía con matriz de consumo C y vedor de demanda final é> 1 1 -3
9l Dadas la matriz A =
2 4 -2
-3 -6 5
y el vedor b =
3 2 . determinar si b per . -5 .
tenece al espacio columna de A. 1Q Encontrar una base para el espado nulo de la matriz A ■
1 0 - 5 - 2 0 1 7 - 4
0 0
1 0 - 5 0 0 1 5 0 0 0 0 0 0
11. Encontrar una base para el espado columna de la matriz A -
1& Con respedo a la base 0 = {b|. b>) donde b t
v edor coordenado de
*
-f
0 0
y *
-5 3
- 5 0 4 1 1 0 0
. ¿cuál es el
17 J' \
-1 3
131 Determinar el rango de la matriz A¡
1 2 -3
-2 -4 6
2 7 -6
-4 -4 12
1 4 Encontrar la matriz de 3 x 3 que en coordenadas homogéneas produce la transformación (* > * -► (* + 5 . / + 4 ) .
http://www.fullengineeringbook.net 191 of 461.
COMPETENCIAS A DESARROLLAR 1 Calcular el determinante de una matriz seleccionando el método más eficiente.
2 Probar la existencia de la inversa de una matriz y en caso de que exista, calcularla, utilizando los determinantes y sus propiedades.
ACTIVIDADES DE APRENDIZAJE ♦ ♦ ♦ ♦
Calcular el determinante de una matriz de 2 x 2. Calcular menores y cofactores de una matriz. Calcular determinantes de matrices d e n X n por medio de menores y cofactores. Enunciar y ejemplificar las propiedades de los determinantes. Calcular determinantes utilizando propiedades. Reflexionar y elegir el renglón o la columna adecuados para reducir el número de operaciones en el cálculo de un determinante. Utilizar software matemático para el cálculo de determinantes. Calcular determinantes de matrices sobre las que se ha realizado alguna operación elemental, para inferir las propiedades correspondientes de los determinantes en estos casos. Resolver problemas de aplicación de determinantes en geometria.
ACTIVIDADES DE APRENDIZAJE 6 Determinar la existencia de la inversa de una matriz a partir del valor de su determinante. Calcular la Inversa de una matriz mediante determinantes (utilizando la adjunta). ♦ Comparar el número de operaciones al calcular la inversa con Gauss-Jordán y con la adjunta. Determinar los casos en los que es más conveniente encontrar la inversa con cada uno de los métodos mencionados. Utilizar los conceptos de determinantes para identificar la independencia lineal de un conjunto de vectores.
http://www.fullengineeringbook.net 192 of 461.
COMPETENCIAS A DESARROLLAR 3 Resolver problemas de aplicación de sistemas de ecuaciones lineales utilizando los determinantes (regla de Cramer).
4 Describir propiedades geométricas entre la imagen y el dominio de una transformación lineal aplicando determinantes.
ACTIVIDADES DE APRENDIZAJE
ACTIVIDADES DE APRENDIZAJE
♦ Resolver sistemas de ecuaciones lineales de n x n con la regla de Cramer. ♦ Analizar las características de un sistema de ecuaciones lineales y elegir el método de solución adecuado (inversa, eliminación gaussiana, GaussJordan o regla de Cramer) para resolverlo. ♦ Resolver problemas de aplicación de sistemas de ecuaciones en ingeniería e interpretar las soluciones.
Utilizar el determinante de la matriz de una transformación lineal de R2en R2 para relacionar el área de una figura en el dominio con el área de su imagen. Utilizar el determinante de la matriz de una transformación lineal de R3en R3 para relacionar el volumen de una figura en el dominio oon el volumen de su imagen.
Sfcsugcrc trabajar losproblemasmarcadosconun puntoprimeroen torma Individual y. luego, discutirlas con iodo el grupoy el profesor, t tos ejercicios marcadosconun asterisco deben trabajarse en colaboracióncon los compoteras de ciase. Se sugere formar cqupos de doso tres cstudontcs. t
http://www.fullengineeringbook.net 193 of 461.
ORGANIZADOR GRÁFICO
propiedades
D eterm inantes
Sistemas de ecuaciones lineales
Regla de Cramer
Cálculo de la inversa de una matriz a través de la adjunta
Aplicaciones a áreas y volúmenes en el plano y en el espacio
http://www.fullengineeringbook.net 194 of 461.
Trayectorias aleatorias y distorsión
En su libro autobiográfico ¿Está usted de broma. Sr. Feynman?, el Premio Nobel de Física 1965, Richard P. Feynman, comen ta que en su estancia universitaria de posgrado en Princeton solía observar a las hormigas. Estudió su comportamiento al proporcionarles un ‘transbordador’ de pedazos de papel que podía trasladarías hacia el terrón de azúcar que colgaba de una cuerda, donde las hormigas jamás podrían encontrarlo accidentalmente. Cuando una hormiga se paraba sobre el papel, entonces Feynman la transportaba hacia la comida y la traía de regreso al punto inicial. Después de que las hormigas aprendieron a utilizar el transbordador de papel, Feynman reubícó el punto de aterrizaje de retomo. Esto pronto generó confusión en la colonia de hormigas, lo que indicaba que el ‘ aprendizaje* de las hormigas habla consisti do en crear y seguir mías. Feynman confirmó esta conjetura colocando placas de vidrio sobre el piso. Una vez que las hor migas establecieron rutas sobre los trozos de vidrio, Feynman los reacomodó y, por consiguiente, las rutas que estos indi caban. Las hormigas siguieron las rutas reposicionadas y asi Feynman podía dirigir a las hormigas adonde él quisiera. Supongamos que Feynman hubiera deseado realizar irrvestigiricnes adicionales utilizando un globo fabricado con una malla de alambre; las hormigas deberían seguir cada alambre y elegir entre dirigirse a la izquierda o a la derecha en cada intersección. Si varias horm i^s y un número igual de fuentes de alimento se colocan sobre el globo ¿qué tan probable sería que cada hormiga encontrara su propia fuente de alimento en lugar de utilizar la ruta de otra hormiga y seguiría hasta una fuente compartida?1
Para registrar las rutas reales de las hormigas y comunicar los resultados a otros, es conveniente utilizar un mapa rectangular del globo. Existen muchas maneras de trazar dichos mapas. Una manera sencilla es utilizar la Latitud y longitud sobre el globo com o coordenadas x y y en el mapa. Como ocurre con todos los mapas, el resultado no serla una representación totalmente fiel del globo. Los detalles cerca del “ecuador* se ven prácticamente iguales tanto sobre el globo com o en el mapa, pero las regiones cercanas a los ‘ polos* del globo están distorsionadas. Las imágenes de regiones polares son mucho más grandes que las imágenes de regiones ecuatoriales de tamaño similar. Para ajustarse a sus alrededores en el mapa, la imagen de una hormiga cerca de uno de los polas deberla ser más grande que la de una cercana al ecuador. ¿Cuánto más de grande? De manera sorprendente, los problemas de la trayec toria de las hormigas y la distorsión del área se contestan mejor utilizando determinantes, el tema de este capítulo. De hecho, el determinante tiene tantos usos que un resumen de sus aplicaciones a principios del siglo xx ocupó cuatro volúmenes del tratado que escribió Thomas Muir. Ante la trascendencia y el tamaño crecientes de las matrices en las aplicaciones modernas, muchos usos de los determinantes que antes eran importantes ahora ya no lo son. Sin embargo, los determinantes aún desempeñan un papel importante.
1 La solución al problema de la trayeoorla de las horm ljps (y «ra s dos aplicadones) * puede encontraren d articulo de Anhur Benjamfci y Naoml Carne ron. publicado en la edición de Mathemattca! Monthly. de Junio 2005.
17 7
http://www.fullengineeringbook.net 195 of 461.
17 8
CAPÍTULO 3
Determinantes Además de introducir el lema de determinantes en la sección 3.1, este capítulo presenta dos ideas importantes. La sección 3.2 deduce, para una matriz cuadrada, un criterio de invertibilídad que desempeña un papel importante en el capítulo 7 (en el sitio Web). Ijü sección 3.3 muestra cómo el determinante mide cuánto cambia una transformación lineal al área de una figura. Cuando esta técnica se aplica localmente, entonces se responde a la pregunta de la tasa de expansión de un mapa cerca de los polos. Esta idea desempeña un papel fundamental en cálculo multlvariado en la forma del jacobiano.
3 .1
INTRODUCCIÓN A LOS DETERMINANTES Recuerde de la sección 2.2 que una matriz de 2 x 2 es ínvertlble si y solo sí su determinante es diferente de cero. Para extender este útil resultado a matrices más grandes, se necesita una definición para el determinante de una matriz de n x n Se puede descubrir la definición para el caso 3 x 3 observando qué ocurre cuando una matriz invertible A de 3 x 3 se reduce por filas. Considere ,4 * ( a l e o n a n * 0. Si la segunda y tercera filas de A se multiplican por a \i, y luego se restan múltiplos adecuados de la primera fila de las otras dos filas, se encuentra que A es equivalente por filas a las dos matrices siguientes: [an 011 012 013 0 «11021 0U022 0U023 ' I_0ll03l 011032 011033J Lo
012 013 011022- 012021 011023 - 013021 011032 - 012031 011033 - 013031 _
Puesto que A es invertible, entonces la entrada (2. 2) o la entrada (3, 2) en el lado derecho de (1) es diferente de cero. Supongamos que la entrada (2, 2) os diferente de cero. (De otra forma, se puede realizar un intercambio de filas antes de proceder). Se multiplica la fila 3 por 1322 - 312*21. y luego a la nueva fila 3 se le suma la fila 2 multiplicada por - ( * 1*2 - 312* 1). Esto mostrará que
[ 0110 0
011022 —012021
013 011023-013021
0
u 11A
012
donde A =011022033 +012023031 + 0I302I0.32 “ «11023032 “ «12021033 “ 013022031
(2)
Puesto que A es invertible. A debe ser diferente de cero. En la sección 3.2 se verá que lo con trario también es verdad. A A de la ecuación (2) se le llama el d H m n in a n le d e la matriz A de 3 x 3. Recuerde que el determinante de una matriz de 2 x 2, A = [* J. es el número det A = 3] 1*2 “ * 2*1 Para una matriz de 1 x 1, por ejemplo. A = (* ,1 , se define det A - * , . Para genera lizar la definición del determinante a matrices más grandes, se utilizarán determinantes de 2 x 2 para rescribir el determinante A de 3 x 3 descrito anteriormente. Puesto que los tér minos en A se pueden agrupar como ( * , * 2*3 - 3 , 1*23* 2) - (312* 1*3 - * 2* 23* 1) + (* 3 * 1 * 2 - 3 13* 2* |)i
1*022 L«32
023 1 —0 ,2 • det l"^71 033 J L«31
023]
+ 0 , 3 -det [ fl21 Lfl31
033 J1
022 1 032 J
Por brevedad, se escribe A = 0 ii - det A 11 —012 - det A 12 + 013 - det A \j
(3 )
donde ylji. >4i2 y 4 |3 se obtienen de A eliminando la primera fila y una de las tres columnas. Para cualquier matriz cuadrada A, sea A,j\a submatriz formada al eliminar la Pésima fila y la
http://www.fullengineeringbook.net 196 of 461.
3 .1
Introducción a los determinantes 17 9
/é s im a columna de A. Por ejemplo, si 0 I -2 5 2 0 4 -1 3 1 0 7 4 -2 0 0 entonces A32 se obtiene eliminando la fila 3 y la columna 2, '1 - 2 5 0" 2 0 4 -1 3 1 0 7 0 4 - 2 0 de manera que
Ahora se puede dar una definición recursiva de un determinante. Cuando n = 3. det A se define utilizando los determinantes de las submatrices A\j de 2 x 2. como en la ecuación (3). Cuando n = 4. det A utiliza los determinantes de las submatrices Ay]}de 3 x 3. En general, un determinante n x n se define mediante determinantes de submatrices de ( n - 1) x (n - 1).
D E F IN IC IÓ N
Para n ^ 2. el d eterm in a n te rie una matriz A = \a¡j\ de ri x ríes la suma de «térm inos de la forma ± a XJ det AXj. con signos más y menos alternados, donde las entradas a n . a n ......a Xnson de la primera fila de A En símbolos, det^ = a ,|d e t ^ lt - a , 2 det,4 ,2 + ••• + ( “ 1),+ V j l l d e t^ ll| n
« £ < - o '+S dcMi/ J -t
E JE M P L O 1
Calcule el determinante de
SOLUCIÓN Calcule det A = a 1( dct<4|| - 0 | 2d c t / t |2 + a i3 d c t< 4 |3: de,M = , d e « [ _ ^
-¿ ]-5
d « [¿
- - ] « .* ,[ *
_*]
= 1 (0 —2) —5(0 —0) + 0 (—4 - 0) = —2
a
Otra notación común para el determinante de una matriz utiliza un par de rectas verticales en lugar de corchetes. Así, el cálculo del ejemplo 1 se puede representar como det A = 1
4
-1 0
-5
2 0
-1 0
+ 0
4 2 0 -2
= •• • = —2
Para establecer el siguiente teorema, es conveniente escribir la definición de det A en una forma ligeramente distinta. Dada A = \a,}), el c a ta r la r ( i J de A es el número Cg definido por Cij = ( - l ) i+'d e t A ; Entonoes det A = a 11 C u +
http://www.fullengineeringbook.net 197 of 461.
(4)
18 0
CAPÍTULO 3
Determinantes Esta fórmula se conoce como desarrollo por Gafar!ares a lo largo de la primera fila de A Se omite la demostración del siguiente teorema fundamental para asi evitar una larga digresión.
TEOREMA 1
El determinante de una matriz A de n x a se puede calcular mediante un desarrollo por cofactores a lo largo de cualquier fila o columna. H desarrollo a lo largo de la /-ésima fila utilizando los cofactores de la ecuación (4) es det A = SnCn + s&Ca + ••• +
üzjC íj
+ ••• + aaJCnj
El signo más o menos en el cofactor ( i.j) depende de la posición de a¡¡ en la matriz, sin importar el signo de El factor ( —1)*Vgenera el siguiente patrón de signos: '+
E JE M P L O 2 el det A. donde
-
+
-
+
-
+
-
+
•••“
Utilice un desarrollo por cofactores a lo largo de la tercera fila para calcular
A=
1
5
2
4
0 -2 SOLUCIÓN Calcule det A — u y i C } i
+ 03aCj2 + QyyCxj
= ( - \ ) » la 3 l
det ¿ 32 + ( - l ) 3+3a33detM 33 5 4
= 0 + 2 (—1) + 0 = —2 El teorema 1 es útil para calcular el determinante de una matriz que contiene muchos ceros. Por ejemplo, si en una fila hay una mayoría de ceros, entonces el desarrollo por co factores a lo largo de esa fila tiene muchos términos iguales a cero, y no se necesita calcular los cofactores en estos términos. El mismo enfoque funciona con una columna que contiene muchos ceros. EJ EM PLO 3
Calcule det A donde 8 9 -6 3 -7 0 2 -5 7 3 0 0 1 5 0 4 -1 0 2 0 0 0 0 -2 0
SOLUCIÓN El desarrollo por cofactores a lo largo de la primera columna tiene todos los términos iguales a cero, excepto el primero. Asi.
det A = 3
2 -5 0 1 0 2
0
7 3 5 0 — 0 • C 2 1 + 0 • C 3| — 0 • C 4 1 + 0 • C sj 4 -1 0-2 0
http://www.fullengineeringbook.net 198 of 461.
3 .1
In tr o d u c c ió n a lo s d e te r m i n a n te s
18 1
De aquí en adelante se omitirán los términos iguales a cero en el desarrollo por cofactores. Después, desarrolle este determinante de 4 x 4 a lo largo de la primera columna para tomar ventaja de los ceros que están ahi. Se tiene 5 0 4 -1 det .4 = 3-2 -2
0
Este determinante de 3 x 3 se calculó en el ejemplo 1 y se encontró que su valor es -2 . Por lo tanto, det A = 3 • 2 • (-2 ) = -12. ■ La matriz en el ejemplo 3 era casi triangular. El método en ese ejemplo se adapta fácil mente para demostrar el siguiente teorema. TEOREMA 2
Si A es una matriz triangular, entonces det A es el producto de las entradas sobre la diagonal principal de A. La estrategia en el ejemplo 3 para detectar ceros funciona muy bien cuando una fila o columna completa consiste en ceros. En tal caso, el desarrollo por cofactores a lo largo de tal fila o columna ¡es una suma de ceros! Así. el determinante es cero. Por desgrada, la mayoría de los desarrollos por cofactores no son tan rápidos de evaluar. ----- NOTA NU MÉ RI CA ---------------------------------------------------------------------------------
En la actualidad, una matriz de 25 x 25 se considera pequeña. Sin embargo, serla imposible calcular un determinante de 25 x 25 con un desarrollo por cofactores. En general, un desarrollo por cofactores requiere alrededor de rí. multiplicationes. y 251 es aproximadamente 1.5 x 1025. Si una computadora efectúa un billón de multiplicadones por segundo, tendría que trabajar unos 500.000 años para calcular un determinante de 25 x 25 utilizando este método. Por fortuna, hay métodos más rápidos, como pronto se verá. Ixk ejercicios 19 a 38 exploran importantes propiedades de los determinantes, sobre todo para el caso de 2 x 2. Los resultados de los ejercicios 33 a 36 se utilizarán en la próxima sección con la finalidad de deducir propiedades análogas para matrices de n x //.
PROBLEMA DE PRÁCTICA
5 -7 3 Calcule - 5 - 8 0 5 0
3 . 1
2
2
0 -4 0 3 0
-6
E JE R C IC IO S *
En los ejercicios 1 a 8 obtenga los determinantes utilizando un de sarrollo por cofactores a lo largo de la primera fila. En los ejercicios 1 a 4. también calcule el determinante mediante un desarrollo por cofactores a lo largo de la segunda columna. 1.
3 2 0
0 3 5
4 2 -1
2.
0 4 2
5 -3 4
1 0 1
a
2 - 4 3 3 1 2 1 4 -1
4
1 2 3
a
2 4 5
&
5 - 2 4 0 3 - 5 2 - 4 7
3 - 4 0 5 1 6
3 1 4
5 1 2
* Ijos ejerdetos marrados con un asterisco deben trabajar» en colaboración con los compañero» de d a ». Se sugiere formar equipos de dos o tres estudiantes.
http://www.fullengineeringbook.net 199 of 461.
18 2
7.
CAPÍTULO 3 4 6 9
3 5 7
Determinantes
0 2 3
&
8 1 4 0 3 -2
6 3 5
En las ejercicios 9 a 14 calcule los determinantes mediarte desarro llo por cofactores. En cada paso, seleccione una Ala o columna que implique la menor cantidad de operaciones. 6 1 2 8
0 7 0 3
0 5 2 -5 0 0 1 8
4 3 5 -8 0 -2 3 -7 0 0 1 5 0 0 0 2 4 0 7 5 0
ltt
1 -2 0 0 2 -6 5 0
12
4 0 7 -1 2 6 5 -8
5 3 -7 4
2 0 5 4
0 0 0 0 0 3 4 -3
Eh los ejercicios 25 a 30. calcule los determinantes de las matrices elementales dadas. (Véase la sección 2.2).
0 -7 3 -5 2 0 0 0 4 -8 3 -6 2 -3 0 5 0 9 -1 2
6 3 9 0 8 -5 0 3 4 2
2 -4 6 0 3
4 1 7 0 2
0 0 1 0 0
El desarrollo de un determinante de 3 x 3 se puede recordar median te el siguiente recurso. A la derecha de la matriz escriba una segunda copla de las primeras dos columnas, y calcule el determinante multi plicando las entradas sobre las seis diagonales:
25
r> 0 Lo
0 1 k
°1 0 «J
28
' 1 0 k
0 1 0
0' 0 l_
27.
r* 0 Lo
0 1 0
0" 0 1
28
1 0 .0
0 * 0
0' 0 1
28
‘o I 0
1 0 0
o' 0 1
38
'0 0 1
0 1 0
1* 0 0
Con base en los ejercicios 25 a 28. conteste las preguntas de los ejer deios 31 y 32. Exprese las razones de sus respuestas. * 31. ¿Cuál es el determinarte de una matriz con remplazo elemental de fila? * 32. ¿Cuál es el determinante de una matriz de escalamiento elemen tal con Aen la diagonal? Eh los ejercicios 33 a 38. compruebe que det EA = (det £}(det A).
* li
«12
«1»'
«11
«12
«21
«12
«23
«21
«22
« ii
«J2
«33
«31
«32
donde Ees la matriz elemental mostrada y A = £ ®
' +
4 0 2 3 5 -1
15.
17.
2 -4 3 3 1 2 1 4 -1
18
0 5 4 -3 4 2
1 0 1
:]■[: í]
- i :
:]
-[;
■]
» [ :
!]
18
1 2 3
5 1 2
3 1 4
• « [:
¡H ¿
•a
& * /!=
•38
Sean A = J®
^ J. Escriba 5A. ¿det 5A = 5 det >1?
j j y k un escalar. Encuentre una fórmula que
relacione al det kA con Ay det A En los ejercicios 39 y 40. A es una matriz de n x n. Marque cada enunciado como verdadero o falso, Justifique sus respuestas.
•38i
En las ejercicios 19 a 24. explore el efecto de una operación elemen tal de fila sobre el determinante de una matriz. En cada caso, esta blezca la operación de fila y describa cómo afecta al determinante.
• » [:
¡1
j.
+■
Sume los productos de las diagonales hacia abajo y reste los pro ductos de las diagonales hada arriba Utilice este método para ob tener los determinantes en los ejercicios 15 a 18 i4á « * n ri r ü te truco no se generaliza de manera razonable a matrices de 4 x 4 o mayores. 3 2 0
« [?
¿
¿]
a) Un determinante de n x nestá definido por determinantes de submatrices de (n - 1) x (n - 1). A) 0 colador (/, j) de una matriz A es la matriz Ai}obtenida al eliminar de A la /éslma fila y la pésima columna.
' « 4 0
desarrollo por cofactores de det / a lo largp de una co lumna es el negativo del desarrollo por cofactores a lo largo de una fila.
http://www.fullengineeringbook.net 200 of 461.
3.2 b) H determinante de una matriz triangular es la suma de las entradas sobre la diagonal principal.
41. Sean u = ^ j y ▼= ^ j Calcule el área del paralelogramo determinado p o r u r i i + v y Q y obtengi el determinante de [n ▼]. ¿Hay comparación entre ambos resultados? Remplace la primera entrada de v por un número arbitrario x, y repita el problema. Realice un esquema y explique lo que laya encontrado.
48 Sean u =
j
y v=
j. donde a, b, cson
48
dón 2.1). Repita los cálculos para otros tres pares de matrices d» n x n, con diversos valores de n Informe sus resultados.
44. |M] ¿Es cierto que det AB = (det A)(det
Experimente con cuatro pares de matrices aleatorias, como en el ejercicio 43. y baga una conjetura.
45. (M) Construya una matriz aleatoria A de 4 x 4. con entradas en leras entre - 9 y 9. y compare det ¿con det Ar, det(-¿). det(2¿) y det( 10¿). Repita el ejercido con otras dos matrices aleatorias d» 4 x 4. y haga conjeturas acerca de cómo se relacionan esos determinantes. (Véase el ejercicio 36 de la sección 2.1). Luego, compruebe sus conjeturas con varias matrices enteras aleatorias d f 5 x 5 y d e 6 x 6 . Si es necesario, modifique sus conjeturas e informe sus resultados.
positivos (para
simplificar). Calcule el área del paralelogramo definido por u T a + v y O y obtenga los determinantes de las matrices ¡u v] y [v o| Realice un esquema y explique sus resultados.
Propiedades de los determinantes 18 3
48. ¡Mj ¿Cómo se relaciona det A 1 con det A i Experimente con nutrices enteras aleatorias d e n x n , para n - 4. 5 y 6. y haga una conjetura. Nota: En el improbable caso de que se encuentre con una matriz con determinante oero. redúzcala a una forma escalonada y analice su resultado.
!M) ¿Es verdad que det(¿ + JS) «* det A + det Bi Para ave riguarlo. genere matrices aleatorias ¿ y 5 d e 5 x 5. y calcule det {A + B) - det A - det R (Consulte el ejercicio 37 de la sec
SOLUCIÓN AL PROBLEMA DE PRÁCTICA Aproveche los ceros. Inide con un desarrollo por cofadores a lo largo de la tercera columna para obtener una matriz de 3 x 3. que se puede evaluar con un desarrollo a lo largo de su primera colum na 5 -7 0 3 -5 -8 0 5
2 2 0 -4 0 3 0 -6
0 3 -4 = (—1)1+32 - 5 - 8 3 0 5 -6
= 2 .( - l) 2+'(—5)
3 -A 5 -6
20
El ( - 1)2* 1 en el penúltimo cálculo viene de la posición (2. 1) del - 5 en el determinante de 3 x 3.
3 .2
P R O P IE D A D E S D E L O S D E T E R M IN A N T E S
El secreto de los determinantes reside en cómo cambian cuando se efectúan operaciones de fila El siguiente teorema generaliza los resultados de los ejercicios 19 a 24 de la sección 3.1. La demostración se encuentra al final de esta sección.
TEOREMA 3
Operaciones de fila Sea A una matriz cuadrada a)
Si un múltiplo de una fila de A se suma a otra fila para producir una matriz B. enton ces det B = det A. Si dos filas de A se intercambian para producir B, entonces det B = - d e t A.
Ó Si una fila de A se multiplica por k para producir B. entonces det B = k • det A.
l.os siguientes ejemplos muestran cómo utilizar el teorema 3 para calcular determinantes con eficiencia.
http://www.fullengineeringbook.net 201 of 461.
18 4
CAPÍTULO 3
Determinantes
E JE M P L O 1
Calcule det A d o n d e A =
-2
8
SOLUCIÓN La estrategia es reducir A a una forma escalonada y luego utilizar el hecho de que el determinante de una matriz triangular es el producto de las entradas diagonales. Los primeros dos remplazos de fila en la columna 1 no alteran al determinante:
det A =
2 2 1 —4 2 1 -4 1 -4 -2 8 -9 — 0 0 -5 — 0 0 -5 7 -1 7 0 -1 0 0 3 2
Un intercambio de las filas 2 y 3 invierte el signo del determinante, de manera que 1 det A = — 0 0
-4 2 3 2 = —(1)(3)(—5) = 15 0 -5
Un uso común del teorema 3 ó en cálculos a mano es factorizar un múltiplo común de una fila de una matriz. Por ejemplo, * * 5k - 2 k • *
* 3* *
* • = k 5 -2 * *
* 3 *
donde las entradas con asterisco quedan inalteradas. Este paso se emplea en el siguiente ejemplo.
EJ EM PLO 2
Calcule det A. donde A =
2 -8 3 -9 3 0 1 -4
6 5 1 0
8 10 -2 6
SOLUCIÓN Para simplificar la aritmética, se desea un 1 en la esquina superior izquierda. Se podrían intercambiar las filas 1 y 4. Pero, en vez de ello, se saca el factor 2 de la fila superior, y luego se procede con remplazos de fila en la primera columna: 1 -4 3 -9 -3 0 1 -4
3 5 1 0
4 1 -4 0 10 3 = 2 -2 0 -1 2 6 0 0
3 -4 10 -3
4 -2 10 2
Después, se podría sacar otro factor 2 de la fila 3 o utilizar como pivote el 3 en la segunda co lumna. Seleccionamos la última operación, sumando a la fila 3 la fila 2 multiplicada por 4: 4 1 -4 3 0 3 -4 -2 0 0 -6 2 0 0 -3 2 Por último, sumando la fila 3 multiplicada por - 1 / 2 a la fila 4. y calculando el determinante ‘triangular’, se encuentra que 3 4 I -4 0 3 -4 -2 det A = 2 = 2 • (1)(3)(—6)(1) = —36 0-6 2 0 0 0 1 0
http://www.fullengineeringbook.net 202 of 461.
■
3.2
■
t/ =
0 0 0
■
t/ =
0 0 0
♦
*
♦
■ * ♦ 0 « * 0 0 b tfctL/ ¥=0 •
*
*
B
*
•
0 0 det £/
0 B 0 0 ■ 0
Propiedades de los determinantes 18 5
Suponga que una matriz cuadrada A se redujo a una forma escalonada U mediante rem plazos de fila e intercambios de fila. (Esto siempre es posible. Véase el algoritmo de reduc ción por filas en la sección l .2). Si hay r intercambios, entonces el teorema 3 indica que: det A = ( - l ) 'd e t U Como U está en forma escalonada, es triangular, y así det U es el producto de las entra das diagonales u\\......uan. Si A es invertible, las entradas uti son todas pivotes (porque A ~ /„ y las ty n o s e han escalado a 1). De otra forma, al menos es cero, y el producto U\\ ••• u„„ es cero. Véase la figura 1. Por lo tanto.
FIGURA 1
Formas escalonadas típicas de matrices cuadradas.
det A =
(-I)'*
producto de (pivotes en U\
0
cuando A es invertible 0) cuando A no es invertible
Es interesante hacer notar que aunque la forma escalonada U que se acaba de describir no es única (porque no está completamente reducida por filas), y los pivotes no son únicos, el producto de los pivotes e s único, excepto por un posible signo menos. La fórmula (1) no solo da una interpretación concreta de det A, sino que también demues tra el principal teorema de esta sección:
TEOREMA 4
Una matriz cuadrada /le s invertible si y solo sí det A ¿ 0.
El teorema 4 agrega el enunciado “det A * 0" al teorema de la matriz invertible. Un útil corolario es que det A = 0 cuando las columnas de A son linealmente dependientes. Además, det A = 0 cuando las filas de A son linealmente dependientes. (Filas de A son columnas de A T. y columnas linealmente dependientes de C h a c e n que A r sea singular. Cuando /í^es sin gular. también lo es A, de acuerdo con el teorema de la matriz invertible). En la práctica, la dependencia lineal es evidente cuando dos columnas o dos filas son iguales, o una columna o fila es cero.
EJEMPLO 3
Calcule det A, donde A —
2 -5 3 -1 0 5 -3 -6 -6 7 -7 4 - 5 -8 0 9
SOLUCIÓN Sume la fila 1 multiplicada por 2 a la fila 3 para obtener
det ,4
3 -1 2 -5 0 5 -3 -6 0 5 -3 -6 0 9 -5 -8
ya que la segunda y tercera filas de la segunda matriz son iguales. ----- NOTA NU MÉ RI CA -----------------------------------------------------------------------------1. La mayoría de los programas de cómputo que calculan det A para una matriz gene ral A utilizan el método de la fórmula (1) anterior. 2
Es posible demostrar que la evaluación de un determinante de n x n, utilizando operaciones de fila, requiere cerca de 2 i? /2 operaciones aritméticas. Cualquier microcomputadora moderna es capaz de calcular un determinante de 25 x 25 en una fracción de segundo, porque solo necesita realizar unas 10.000 operaciones.
http://www.fullengineeringbook.net 203 of 461.
18 6
CAPÍTULO 3
D e t e r m in a n te s
Las computadoras también pueden manejar grandes matrices 'dispersas', con rutinas especiales que aprovechan la presencia de muchos ceros. Desde luego, las entradas cero tam bién aceleran los cálculos a mano. I jo s cálculos en el siguiente ejemplo combinan el poder de las operad (Mies de fila con la estrategia de la secdón 3.1. consistente en utilizar entradas nulas en los desarrollos por cofiadores.
E JE M P L O 4
Calcule det A. donde A =
0 2 -1 1 2 5 -7 3 0 6 2 3 -2 -5 4 -2
SOLUCIÓN Una buena forma de comenzar es utilizar como pivote el 2 en la columna 1. eliminando el - 2 que está debajo de este. Después se utiliza un desarrollo por cofactores para reducir el tamaño del determinante, y luego otra operación de remplazo de fila De esta forma. 0 dct A =
2 0 0
1 2 5 -7 3 6 0 -3
2 -1 1 2 -1 1 = -2 3 6 2 = -2 0 0 5 0 -3 0 -3 1 1
Un intercambio de las filas 2 y 3 produdrlan un "determinante triangular'. Otro enfoque con siste en efeduar un desarrollo en cofadores a lo largo de la primera colum na d cM = ( - 2 ) ( l )
0 -3
5 = - 2 .( 1 5 ) = - 3 0 1
Operaciones de colum na Es posible realizar operaciones sobre las columnas de una matriz en forma análoga a las operadones de fila que hemos estudiado. El siguiente teorema indica que las operaciones de columna y las operadones de fila tienen los mismos efedos sobre los determinantes.
TEOREM A 5
Si A es una matriz de n x n, entonces det Ar = det A.
DEMOSTRACIÓN El teorema es evidente para n = 1. Suponga que el teorema es verdadero para determinantes de k x k, y sea n = k + 1. Entonces el cofador de a\j en A es igual al cofador de en A T. porque los cofadores implican determinantes d c k x k . Asi que el desarro llo por cofadores de det A a lo largo de la primera ñla es igual al desarrollo por cofadores de det A ra lo largo de la primera columna. Es decir. A y A tie n e n determinantes iguales. Por lo tanto, el teorema es válido para n = 1. y la veracidad del teorema para un valor de //implica su veracidad para el siguiente valor de n. Por el prindpio de Inducción, el teorema es verdadero para toda //& 1. ■ De acuerdo con el teorema 5. cada enunciado en el teorema 3 es válido cuando en todas partes la palabra fíla se remplaza por columna Para comprobar esta propiedad, basta aplicar a >4r el teorema 3 original. Una operación de fila sobre >lr significa una operación de columna sobre A. Las operaciones de columna son útiles tanto para fines teóricos como para realizar cálcu los a mano. Sin embargo, para simplificar solo se efectuarán operaciones de fila en cálculos numéricos.
Determ inantes y productos m atriciales La demostración del siguiente útil teorema se encuentra al final de la seccióa I-as aplicacio nes se exponen en los ejercidos.
http://www.fullengineeringbook.net 204 of 461.
3.2
TEOREMA 6
Propiedades de los determinantes 18 7
Propiedad multiplicativa Si A y S so n matrices de n x n. entonces det A B = (det >t)(det Bf.
EJEMPLO 5
2 J y ** =
Compruebe el teorema 6 para ^4 = ^
SOLUCIÓN
•—[S !][: !]-[S S] y det A B = 25 • 13 - 20 • 14 = 325 - 280 = 45 Como det A * 9 y det B = 5, (det/4)(dct 8 ) = 9 - 5 = 45 = d c M fl
H
Advertencia: Un error común es pensar que el teorema 6 tiene un análogo para sumas de matrices. Sin embargo, en general, det (A + B) no es igual a det A + det B.
P ropiedad de linealidad de la función d eterm in a n te Para una matriz A de n x n. podemos considerar a det A com o una fundón de los n vectores columna en A. Se demostrará que si todas las columnas se mantienen fijas, excepto una. en tonces det A es una fundón lineal t e una variable (vectorial). Suponga que a la /é s im a columna de A se le permite variar, lo que se escribe como /4 = [ a ,
•••
a,_,
a>+,
x
a„ ]
•••
Defina una transformación 7*de Rn a M mediante 7 \x ) = d c t [ a i
•••
a;_j
x
ay+i
•••
a* ]
Así. 7(ex) = c7(x)
para todos los escalares c y todas las x e n Rn.
7\w + v) = 7{m) + 7(v)
para toda m v e n R".
(2) (3)
1^ propiedad (2) es el teorema 3cj aplicado a las columnas de A. Una demostración de la propiedad (3) es consecuenda de un desarrollo por cofadores a lo largo de la /é sim a columna de det A. (Véase el ejercicio 43). Esta propiedad de (mulli)linealldad del determinante tiene muchas consecuencias útiles que se estudian en cursos más avanzados.
D em ostraciones de los teo rem as 3 y 6 Es conveniente someter a prueba el teorema 3 cuando se enunda en términos de las matrices elementales analizadas en la secdón 2.2. Una matriz elemental E se denomina matriz de rem plazo de ñlasx E se obtiene a partir de la identidad /a l sumar un múltiplo de una fila a otra; E es un intercambiosi E se obtiene mediante el intercambio de dos filas de / y E es una escala p o r r si E se obtiene al multiplicar una fila de I por un escalar r diferente de cero. Con esta terminología, el teorema 3 se puede reformular de la siguiente manera:
http://www.fullengineeringbook.net 205 of 461.
18 8
CAPÍTULO 3
D e t e r m in a n te s
Si A es una m atriz d e n y. n y E e s una m atriz elemental de n x n, entonces det £ 4 = (det ¿)(det A) donde 1 det E —
-I
s i E es un remplazo de fila s i E es un Intercambio
r s i E es una escala p o r r DEMOSTRACIÓN DEL TEOREMA 3 La demostración es por Inducción sobre el tamaño de A. El caso de una matriz de 2 x 2 se comprobó en los ejercicios 33 a 36 de la sección 3.1. Suponga que el teorema se ha comprobado para determinantes de matrices de k x k. con 2: sea n = k + 1 y sea A de n x n. La acción de ¿ so b re A implica a dos filas o solamente a una. Asi. se puede desarrollar det EA a lo largo de una fila que es inalterada por la acción de E por ejemplo, la fila i Sea Ag (respectivamente. Bt) la matriz obtenida al eliminar la fila i y la colum nayde A (respectivamente. ¿M). Luego, las filas de B,jse obtienen de las filas de A,j por el mismo tipo de operación elemental de fila que ¿ ‘efectúa sobre A. Como esas submatrices son únicamente de k x k. la suposición de inducción implica que det Bjj = a • det Ag donde a = 1. - 1 . o r. dependiendo de la naturaleza de £ El desarrollo por cofactores a lo largo de la fila íe s d et£ 4 = 0 , i ( - l ) H' , d e tfl„ + * * + a ¿ll( - i y +" d e t f i /= a a n ( - l ) H 1deti4u -----+ a a /a( - l ) Mn deti4/w = a d eM En particular, tomando A = 4 se observa que det ¿ ' = 1. - 1 . o r. dependiendo de la natura leza de £ Asi, el teorema es válido para n = 2. y la veracidad del teorema para un valor de n implica su veracidad para el siguiente valor de n. Por el principio de inducción, el teorema debe ser válido para n a 2. El teorema es trivialmente verdadero para n = 1. ■ DEMOSTRACIÓN DEL TEOREMA 6 Si A no es Invertible, entonces 4/?tam poco lo es. de acuerdo con el ejercicio 27 de la sección 2.3. En este caso, det AB = (det >4)(det B), porque ambas lados valen cero, por el teorema 4. Si A es invertible, entonces A y la matriz identidad /«son equivalentes por filas de acuerdo con el teorema de matriz invertible. Así. existen ma trices elementales E\......Ep tales que A
=
EpE
p-1 •••¿i •/„ =
E p E p - i - ’ Ei
Por brevedad, escribimos |4| en vez de det A. De esta forma, la repetida aplicación del teore ma 3. como se acaba de reformular, muestra que
\AB\
= |£ p•••£|Z?| = \Ef \\Ep-i ' " E \ B \ = ••• «1*11*1
PROBLEMAS DE PRACTICA
1 -3 1 -2 2 - 5 -1 - 2 1. Calcule en el menor número de pasos que sea posible. 0 -4 5 1 8 -3 10 - 6 http://www.fullengineeringbook.net 206 of 461.
3.2 fc. Utilice un determinante para decidir si
Propiedades de los determinantes 18 9
T i, v¿. i ) son linealmente independientes, cuando
-[1] -B ] 3 . 2
E JE R C IC IO S *
En los ejercicios 1 a 4 cada ecuación ilustra una propiedad de los determinantes. Ehunde la propiedad • L
•
•
0 5 -2 1 -3 6 = 4 -1 8
En los ejercicios del 15 al 20. calcule los determinantes, donde C / = 7. i
1 -3 6 0 5 -2 4 -1 8
b t 5h
1S
2
4 2 -6 1 -3 2 5 -2 3 5 -2 = 2 3 1 6 3 1 6 3
a d 5g
17.
a
1 3 -4 3 -4 2 0 -3 = 0 - 6 5 5 -4 7 5 -4 7
a g d
1 0 3
Ift
a 2d + a g
2Q
a+d d g
• 4
2 1 3 5 -4 = 0 4 7 0
2 3 5 -4 1 -5
En los ejercidos 5 a 10 encuentre los determinantes por reducción de filas a una forma escalonada. 1 5 -6 4 -1 -4 -2 -7 9 0 7 2 2
2 4 1 -3
1 -1 - 3 0 1 5 2 -1 8 3 -1 - 2
0 4 5 3
1 3 -2 -5 3 5 1 -1
i 5 -3 3 -3 3 2 13 - 7
a
ub B
1 3 0 1 2 5 -3 -7
J i2 4 5
-4 -5 -3 2
21.
£4
En los ejercicios 11 a 14 calcule los determinantes combinando los métodos de reducción por filas y desarrollo por cofectores.
1L
la
2 4 5 4 7 6 6 -2 -4 7 7 -6
1 2 0 0
b 2e + b h b+e e h
a 3d g
18.
g a d
b 3r h h b e
c 3/ i i c f
c 2/ + c í c+f f i
'2 1
3 3 2
0‘ 4 1_
’2 0 0 1 - 7 -5 8 6 3 0 7 5
22.
0 - n rs i -3 - 2 5 3J Lo
8* 0 0 4
En los ejercicios 24 a 26, utilice determinantes para saber si el con Junto de vectores es linealmente independiente.
0 -2 1 3 -1 0 2 -4 -1 - 6 -2 -6 2 9 3 7 -3 3 8 -7 5 5 2 7 3
5 - 3 -1 0 1 -3 0 -4 9 10 -4 -1
c i f
1&
En los ejercicios 21 a 23. use determinantes para saber si la matriz es invertible.
23
2 3 -6 4
b b e
c f 5/
12.
14
-1 3 5 4
2 4 4 2
3 3 6 4
0 0 6 3
-3 -2 1 -4 1 3 0 -3 4 -2 8 -3 4 0 3 -4
JH IH i] “ M
31 r 2 i r - 2 i r ° i 5 -6 -i 0 -6 * 0 • 3 0 4 7 0 -3
I
*
En los ejercicios 27 y 28. A y Bson matrices de n x n Marque cada enunciado como verdadero o falso. Justifique sus respuestas. ' 27. a) Una operación de remplazo por filas no afecta al determi nante de una matriz. ti) El determinante de A es el producto de los pivotes en cual quier forma escalonada í/de A. multiplicada por (-1 )'. don de re s el número de Intercambies de fila realizados durante la reducción por filas de A a U.
http://www.fullengineeringbook.net 207 of 461.
19 0
CAPÍTULO 3
Determinantes
d Si las columnas de Ason línealmente dependientes, entonces det A = 0.
ejercicios anteriores), calcule: a) det AB
b) det 5/1
di det(A + B) = det A + det B.
d
e) det A3
* 28. á) Si des intercambios de fila se realizan en secuencia, enton ces el nuevo determinante es igual al determinante original. b) El determinante de Aes el producto de las entradas dlagona les en A d Si det Aes cero, entonces dos filas o dos columnas son igua les. o una fila o una columna es cero. d¡ det Ar = (—l)det A 29l Calcule det
donde R =
'1 1 1
0 1 2
d e t/T 1
d det Br
40l Sean A y B matrices de 4 x 4. con det A = - 1 y det B = 2. Calcule: a) (k\A B b) d e t # d) d et2/1 d
á t\A TA
e) det B~'AB
41. Compruebe que det A = det B + det C, donde í]
1' 2 1
42 Sean A = ^
• 30. Utilice el teorema 3 (pero no el teorema 4) para demostrar que si dos filas de una matriz cuadrada A son iguales, entonces det A • 0. Lo mismo es válido para dos columnas. ¿Por qué?
^
j
y B m^
^
j
Demuestre que
det(A + B) = det A + det # sl y solo si a + d = 0. • 43 Compruebe que det A = det B + det C, donde
En los ejercicios 31 a 36. su explicación debe mencionar un teorema pertinente. 31. Demuestre que si /les invertible, entonces det A-1 = - — det A • 32. Obtenga una fórmula para det(rA) cuando A es una matriz de nx n • 33. Sean A y B matrices cuadradas. Demuestre que aun cuando AB y BA pueden no ser Iguales, siempre es verdad que det >42? = det BA. * M. Sean A y P matrices cuadradas, con f in vertible. Demuestre que áMPAP ') —det A • 35. Sea U una matriz cuacada tal que IFU • l Demuestre que det U = ±1. * 38. Suponga que A es una matriz cuadrada tal que det A* = 0. Explique por qué A no puede ser Invertible.
Sin embargo, observe, que A /toes Igual a B + C. • 41 La multiplicación por la derecha por una matriz elemental £' afecta a las columnas de A en la misma forma que la multipli cación por la izquierda afecta a las Blas. Utilice los teoremas 3 y 5. asi como el evidente resultado de que £ ^es otra matriz elemental, para demostrar que det AE = (det £)(det A) No utilice el teorema 6.
En los ejercicios 37 y 38. compruebe que det AB « (det A)(det B) para las matrices dadas. (No utilice el teorema 6).
45 [Mi Calcule det A'A y det AA; para varias matrices de 4 x 5 aleatorias y diversas matrices de 5 x 6. también aleatorias. ¿Qué puede decirse acerca de A ‘A y AA‘ cuando Atiene más colum nas que filas?
* 4- [ í
45 [M| Si det A es cercano a cero, ¿la matriz A es casi singular?
»
A - [ l
= [s
2]
-S].-[_í -?]
39. Sean A y B matrices de 3 x 3. con det A = 4 y det B = -3. Con base en propiedades de determinantes (en el libro y en los
Experimente con la matriz Ade 4 x 4 casi singular del ejercicio 9 de la sección 2.3. Calcule los determinantes de A I0A yO. 1A. Por otra parte, calcule los números de condición de esas ma trices. Repita los cálculos cuando A es la matriz identidad de 4 x 4 . Analice sus resultados.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA L
Realice remplazos de fila para crear ceros en la primera columna y asi obtener una fila de ceros. 1 2 0 -3
-3 1 -2 -5 -1 -2 -4 5 1 10 - 6 8
1 -2 1 -3 1 -2 1 -3 0 2 0 2 1 -3 1 -3 0 -4 5 1 — 0 -4 5 1 0 2 u 0 0 1 -3 0
http://www.fullengineeringbook.net 208 of 461.
3 .3
2. dct [ Vi
v2 v3) =
R e g la d e C ra m e r. v o lu m e n y tr a n s f o rm a c io n e s lin e a le s
5-3 2 5-3 2 -7 3 -7 = - 2 0 -5 9-5 5 9-5 5
= -(-3 )
19 1
Ría 1 sumada ala fila 2
-2 -5 5 2 9 5 - ( - 5 ) -2 -5
Cóf3Ctores de h columna 2
= 3 • (35) + 5 • (-21) = 0 Según el teorema 4. la matriz [xi vz vr.i] no es invertible. Las columnas son linealmente dependientes, de acuerdo con el teorema de la matriz invertible.
3 .3
REGLA DE CRAMER, VOLUMEN Y TRANSFORMACIONES LINEALES Esta sección aplica la teoría de las secciones anteriores para obtener importantes fórmulas teóricas y una interpretación geométrica del determinante.
Regla de C ram er La regla de Cramer es necesaria en una variedad de cálculos teóricos. Por ejemplo, se puede utilizar para estudiar cómo resulta afectada la solución de Ax = por cambios en las entradas de b Sin embargo, la fórmula es ineficiente para cálculos a mano, excepto para matrices de 2 x 2 . o quizá de 3 x 3. Para cualquier matriz A de n x n y cualquier en R". sea la matriz obtenida a partir de A al remplazar la columna i por el vector
b
b
i4¿(b) = [ai
b
•••
>4/(b)
b
üj,|
♦
cotí
TEOREMA 7
Regla de Cramer Sea A una matriz invertible de n x n Para cualquier Ax = tiene entradas dadas por
b
-*/ =
det A¡ (b) det A
b en R®, la única solución x de
1. 2 .
n
0)
DEMOSTRACIÓN Denote las columnas de A por a,......%,y las columnas de la matriz iden tidad / d c n x /rp o re i..... *>Si Ax= la definición de multiplicación matridal Indica que
b
A ■h (x ) = A [ei = [ai
x
••• •••
b
••• •••
e„] = [^ e i
•••
Ax
•••
Aen ]
a „ ] = ;4,(b)
Por la propiedad multiplicativa de determinantes. (det >4)(det //x )) = det A¿b) El segundo determinante a la izquierda es simplemente Xf. (Realice un desarrollo por cofactores a lo largo de la /-ésima fila). Asi. (det A) • x¡ = det -4/(b). Esto demuestra (1). ya que A es invertible y det A * 0. ■
EJEMPLO 1
Use la regla de Cramer para resolver el sistema 3xi - 2x2 = 6
-5 x i + 4x2 = 8
http://www.fullengineeringbook.net 209 of 461.
19 2
CAPÍTULO 3
Determinantes SOLUCIÓN Vea el sistema como A x = b. Utilizando la notación ya presentada.
-‘■«-[5 "2}
t]
Como del A = 2. el sistema tiene una solución única Por la regla de Cramer. dct/4,(b)
2 4 + 16 2
det A _ det /42(b)
24 + 30
det A
2
Aplicación a la ingeniería Un gran número de importantes problemas de ingeniería, particularmente en teoría del con trol e ingeniería eléctrica se pueden analizar con las transformadas de Lapiace. Este enfoque convierte un adecuado sistema de ecuaciones diferenciales lineales a un sistema de ecua ciones algebraicas lineales cuyos coeficientes implican un parámetro. El siguiente ejemplo ilustra el tipo de sistema algebraico que puede presentarse.
EJEMPLO
2 Considere el siguiente sistema, en el cual s e s un parámetro no especificado. Determine los valores de s para los cuales el sistema tiene una solución única, y utilice la regla de Cramer para describir la solución. 3í *
i
-
2 x2 = 4
-ÓX| + s x i — 1 SOLUCIÓN Vea el sistema como A x = b. De esta forma.
Puesto que det,4 = 3 s 2 _ 12 «= 3 ( s + 2 ) C s - 2) el sistema tiene una solución única precisamente cuando s * ± 2 . Para tal s la solución es (JT|. x7), donde _ dcti4i(b) _ A‘ “
det A
_ dct.42(b) _ A' “
det A
45 + 2
~ 3(s + 2)(s — 2) 35 + 24
_
5+ 8
~ 3(5 + 2)(s - 2) “ (5 + 2)(s - 2)
"
U na fórm ula p ara A 1 La regla de Cramer conduce fácilmente a una fórmula general para la inversa de una matriz A de n x ti L a /é s im a columna de A ~ 1es un vector x que satisface Ax
=e
donde «yes la /é s lm a columna de la matriz identidad, y la J-éslma entrada de x es la entrada ( i J) de A ~ l. De acuerdo con la regla de Cramer. {entrada {/. j) de /I-1} = x¡ =
http://www.fullengineeringbook.net 210 of 461.
(
2)
3 .3
R e g la d e C ra m e r. v o lu m e n y tr a n s f o rm a c io n e s lin e a le s
193
Recuerde que Af, denota la submatriz de A formada al eliminar la fila j y la columna /. Un desarrollo por cofadores a lo largo de la columna /'de A fa ) muestra que det A ,C ) = ( - l ) ^ d e t Afi = Cfi
(3)
donde Cp es un cofactor de A. De acuerdo con la expresión (2). la entrada ( i j ) de A ~ l es el cofactor Cpdividido entre det A. [Observe que los subíndices en Cflson los inversos de (/. j) \. Por consiguiente. C 21 C 22
'c „
C\2
• • ...
Cnl C„2 (4)
Cu
Cu
-
C„
La matriz de cofadores en el miembro derecho de (4) se llama la adjunta de A, que se denota con adj A. (El término adjunta también tiene otro significado en libros avanzados de transformadones lineales). El siguiente teorema reformula la expresión (4).
TEOREMA 8
Una fórmula para la Inversa Sea A una matriz Invertiblc de n x n. Asi.
EJEMPLO 3
Encuentre la Inversa de la matriz A
SOLUCIÓN I-os nueve cofadores son C„ = +
-I 1 4 -2
C 12 = -
C 13 = +
C ji = -
1 3 4 -2
C 22 = +
C l3 = -
C 32 = -
C3 3 = + I - 1
C31 = + _ j
1 -1 = 5 1 4
2 1
I = -7 4
2
1
= -3
La matriz adjunta es la transpuesta de la matriz de cofadores. [Por ejemplo. C\2 va a la po sición (2. 1).] Así. adj A =
14 4 -7 1 -7 -3
Se podría calcular det A diredamente. pero el siguiente cálculo ofrece una comprobación de las operadones anteriores / produce det A: r - 2 (adj A ) ■A
3
L
^
4* " 2 14 1 3" -7 1 1 -1 1 = 4 -2 -7 -3 1
'1 4 0 0
0 14 0
0' 0 14
Puesto que (adj A) A = 1 4 / el teorema 8 indica que det A = 14 y r - 2
3
L5
14 4” -7 1 = -7 -3
■-1/7 1 3/14 - 1 / 2 _ 5/14 - 1 / 2
http://www.fullengineeringbook.net 211 of 461.
2/ 7 *1 1/14 - 3 /1 4 J
14/
194
CAPÍTULO 3
D e t e r m in a n te s
----- NOTA N U MÉ RI CA ------------------------------------------------------------------------------
H teorema 8 es útil principalmente para cálculos teóricos. La fórmula para A ~l permite deducir propiedades de la inversa sin calcularla en realidad. Excepto para casos espe ciales. el algoritmo de la sección 2.2 ofreoe una forma mucho mejor de calcular A ~ \si la inve isa es realmente necesaria. La regla de Cramer también es una herramienta teórica Se puede emplear para estudiar qué tan sensible es la solución de A x = b ante cambios en una entrada de k o de A (quizá debido al error experimental cuando se obtienen las entradas para k o A). Cuando A es una matriz de 3 x 3 con entradas com plejas, entonces algunas veces la regla de Cramer se utiliza en cálculos a mano porque la reducción por filas de [A k] con aritmética compleja puede resultar confusa, y los determinantes son bastante fáci les de calcular. Para grandes matrices de n x n (reales o complejas), la regla de Cramer es irremediablemente ineficiente. Para calcular solo u n determinante se requiere tanto trabajo como resolver Ax. = k por reducción de filas.
D eterm inantes como área o volum en En la siguiente aplicación, se comprueba la inteipretación geométrica de determinantes des crita en la introducción de este capítulo. Aunque en el capítulo 5 se hará un análisis general de longitud y distancia en R". aquí se supone que los conceptos eudidianos usuales de longitud, área y volumen ya se entienden para R2 y IR3. TEOREMA 9
Si -4 es una matriz de 2 x 2. el área del paralelogramo definido por las columnas de A es ¡det A\. Si A es una matriz de 3 x 3, el volumen del paralelepípedo definido por las columnas de A es |det A\.
DEMOSTRACIÓN Como es evidente, el teorema es cierto para cualquier matriz diagonal de 2 x 2 :
RGU RA 1
Area - |¿4
H ó 2 ] | - m i - | X S o) Véase la figura i. Será suficiente demostrar que cualquier matriz de 2 x 2, A = [a, i*.], se puede transformar a una matriz diagonal de tal manera que no cambie el área del para lelogramo asociado ni tampoco det A\. De la sección 3.2, se conoce que el valor absoluto del determinante es inalterado cuando dos columnas se Intercambian, o un múltiplo de una columna se suma a otra. Es fácil ver que tales operaciones son suficientes para transformar a A en una matriz diagonal. Los intercambios de columnas no modifican el paralelogramo. Así. es suficiente probar la siguiente sencilla observación geométrica que se api ica a vectores en R2 o R3: Sean u y a vectores diferentes de cero (no nulos), lluego, para cualquier escalar c, el área del paralelogramo definido por ai y m¿ es igual al área del paralelogramo determi nado por ai y * + raí. Para demostrar este enunciado, se supone que a no es un múltiplo de ai. ya que. de otra forma, los dos paralelogramos serían degenerados y tendrían área igual a cero. Si L es la recta que pasa por O y ai. entonces + L es la recta que pasa por % paralela a Z, y ¡* + caí está sobre esta recta Véase la figura 2. Los puntos * y a.■+ caí tienen la misma distancia perpendicular a L Por eso. los dos prualelogramos en la figura 2 tienen la mis ma área porque comparten la base de 0 a ai. Esto completa la demostración para R2.
http://www.fullengineeringbook.net 212 of 461.
3 .3
R e g la d e C ra m e r. v o lu m e n y tr a n s f o rm a c io n e s lin e a le s
19 5
RGURA 2 Dos paralelogramos de igual área.
o Oto
z
FIGURA 3
1.a demostración para R 3 es similar. Como es evidente, el teorema es cierto para una matriz diagonal de 3 x 3. Véase la figura 3. Y cualquier matriz A de 3 x 3 se puede trans formar en una matriz diagonal utilizando operaciones de columna que no cambian a |det A\. (Piense en efectuar operaciones de fila sobre A7). Asi. es suficiente demostrar que esas ope raciones no afectan el volumen del paralelepípedo definido por las columnas de A. La figura 4 muestra un paralelepípedo como una caja sombreada con dos lados incli nados. Su volumen es el área de la base en el plano Gen {aj. * } multiplicada por la altura de ^ sobre Gen («j. * } . Cualquier vector % +
Volumen - |a¿»4
RGURA 4 Dos paralelepípedos de Igual volumen.
EJEMPLO 4 Calcule el área del paralelogramo definido por los puntos (-2 . -2). (0. 3). (4. -1 ) y (6 .4). Véase la figura 5a). SOLUCIÓN Primero el paralelogramo se traslada de manera que un vértice esté en el ori gen. Por ejemplo, reste el vértice (-2 . -2 ) de cada uno de los cuatro vértices. 0 nuevo paralelogramo tiene la misma área, y sus vértices son (0. 0). (2. 5). (6 . 1) y (8 , 6 ). Véase la figura 5 A).
o)
b)
RGURA 5 Irasladar un paralelogramo no cambia
su área.
http://www.fullengineeringbook.net 213 of 461.
19 6
CAPÍTULO 3
Determinantes
Este paralelogramo está definido por las columnas de
Como jdet Aj = |-28|. entonces el área del paralelogramo es 28.
■
T ransform aciones lineales I jos determinantes se pueden usar para describir una Importante propiedad geométrica de transformaciones lineales en el plano y en R3. Si Tes una transformación lineal y 5es un con junto en el dominio de T. entonces 7(5) denota el conjunto de imágenes de puntos en 5 Nos interesa conocer cómo se compara el área (o volumen) de 7(5) con el área (o volumen) del conjunto original 5'. Por conveniencia cuando 5’es una región acotada por un paralelogramo. también nos referimos a 5 como un paralelogramo.
TEOREMA 1 0
Sea 7*: R2 -♦ R2 una transformación lineal determinada por una matriz A de 2 x 2. Si 5 es un paralelogramo en R2. entonces {área de 7(5)} = jdet A\ • {área de 5}
(5)
Si Testá determinada por una matriz A de 3 x 3. y si 5 es un paralelepípedo en R3. entonces {volumen de 7(5)} = jdet A\ • {volumen de 5}
(6 )
DEMOSTRACIÓN Considere el caso de 2 x 2. con A = \m< %). Un paralelogramo en el origen en R2 definido por los vectores b ¡ y b tiene la forma S
= {sibi + ^ b 2 : 0 < j | < 1,
0
<
s í
< 1}
l a imagen de 5 bajo T consiste en puntos de la forma 7 '( í i b i + .V2b2) = í i T í b i ) + í2 7 -(b2)
= s i •*!b i + .Vj/tb; donde 0 < 5 i < 1,0 < < 1. De ello se sigue que 7{5) es el paralelogramo determinado por las columnas de la matriz \Abi A^} . Esta matriz se puede escribir como A8. donde B = [b i b g j. De acuerdo con el teorema 9 y el teorema del producto para determinantes. (área de 7(5)} = (det AB[ = |det /1| • jdet = |det A\ • {área de 5}
(7)
Un paralelogramo arbitrario tiene la forma p + 5. donde p es un vector y 5es un paralelogra mo en el origen, como antes. Es fácil ver que 7'lransforma a p + 5en Í \ p) + 7(5). (Véase el ejercido 26). Puesto que la traslación no afecta el área de un conjunto. {área de 7(p + 5} = {área de 7(p) + 7(5)} = {área de 7(5)}
Traslatión
= (det >l| • {área de 5}
Por la ecuación (7)
= (det A\ • {área de p + 5}
Traslación
Esto demuestra que (5) es válida para todos los paralelogramos en R2. Es análoga la demos tración de (6 ) para el caso 3 x 3 . ■
http://www.fullengineeringbook.net 214 of 461.
3.3
Regla de Cramer. volumen y transformaciones lineales 19 7
Cuando se intenta generalizar el teorema 10 a una región en R2 o R3 que no está acotada por líneas rectas o planos, se debe enfrentar el problema de cómo definir y calcular su área o volumen. Este es un tema estudiado en cálculo, y solamente se indicará la idea básica para W2. Si R e s una región plana que tiene área finita, entonces R se puede aproximar por una rejilla de pequeños cuadrados que están dentro d e R Haciendo los cuadrados suficientemente pequeños, el área de R se puede aproximar tanto como se quiera mediante la suma de las áreas de los pequeños cuadrados. Véase la figura 6.
RGURA 6 Aproximación de una región plana mediante la unión de cuadrados. 1.a aproximación mejora conforme la rejilla se hace más fina.
Si Tes una transformación lineal asociada con una matriz A de 2 x 2. entonces la imagen de la región plana /?bajo T se aproxima mediante las imágenes de los pequeños cuadrados dentro de R. La demostración del teorema 10 señala que cada imagen es un paralelogramo cuya área es |det Á\ por el área del cuadrado. Si R" es la unión de los cuadrados dentro de R, entonces el área de T[R) es det A\ por el área de /? . Véase la figura 7. También, el área de T\R!) es cercana al área de 7\R). Se puede dar un argumento que implique un proceso de cálculo de un límite, para justificar la siguiente generalización del teorema 10.
RGURA 7 Aproximación de T[R) mediante la unión de paralelogramos.
Las conclusiones del teorema 10 son válidas si 5 e s una región en R2 con área finita o una región en R3 con volumen finito.
E J E M P L O 5 Sean a y b números positivos. Encuentre el área de la región E acotada por la elipse cuya ecuación es
http://www.fullengineeringbook.net 215 of 461.
19 8
CAPÍTULO 3
D e t e r m in a n te s
SOLUCIÓN Se afirma que E es la imagen del disco unitario D bajo la transformación lineal T determinada por la matriz A = ^
® j. ponqué si u =
j .x =
j y
x = Au. entonces x2
X| u, = —
a
De ello se sigue que u está en el disco unitario, con wj + u \ < I. si y solo si x cstá en E con (x\/a)2 + (X2/b )z s 1. Al generalizare! teorema 10. {área de la elipse} = {área de 7U7I} = ¡det A\ • {área de D] = ab ■
= irab
■
PROBLEMA DE PRÁCTICA Sea S el paralelogramo definido por los vectores b | = r
A =
1
_j
Q
1
y
y sea
*-' J
*2 . Calcule el área de la imagen de Sbajo el mapeo x —* Ax.
3 .3 EJER C IC IO S* En los ejercicios 1 a 6, utilice la regla de Cramer para calcular las soluciones de los sistemas.
3X | - 2x2
=
7
4
5.
I r , + x, = 7 —3tXi + Xj = —8 x, + 2x, = - 3
—5xt + 3x2 = * 1
- 5 x i + 6x 1 = - 5
4xi + Xi = 6 5xi + 2xi = 7
a
9 V1/«
3.
8
uw
1. 5*i + 7x2 = 3 2xi + 4 x i = 1
+ Xj + x, = 4 —Xi + 2xj = 2 3xj + x2 + 3x> — —2 2X|
En los ejercicios 7 a 10, determine los valores del parámetro s para los cuales el sistema tiene una solución única, y describa la solución.
ixi — 2xx2 = —1 3xi + 6jrx2 = 4
8
3sX| — 9xi + 5sx2 = 2
lü
2rxi + Xj = 1 3»X| + 6 jx2 = 2
II
a
H *0
7. 6sx, + 4x2 = 5 9xi + 2í Xi = - 2
En los ejercicios l i a 16. calcule la adjunta de la matriz dada, y uti íce el teorema 8 para dar la inversa de la matriz. 0 -2 - 1 ] 11. 3 0 0 L -l 1 .J 13.
'3 5 1 0
L2
1
4 "1 1 ij
r 1 1 13 2 -2 Lo 1 14
[*3 0 L2
6 2 3
31 «
oj n *
•*J
18
‘ 3 -I -2
0 1 3
o]
0 2J
ia
1 2 0 -3 0 0
41 • 3j
17. Demuestre que si A es 2 x 2. entonces el teorema 8 da la misma fórmula para A~l que el teorema 4 de la sección 2.2. • 18 Suponga que todas las entradas en A son enteros y det A ® 1. Explique por qué todas las entradas en A-1 son enteros. Oh los ejercicios 19 a 22. encuentre el área del paralelogramo cuyos vórtices se indican 18 (0.0). (5.2). (6. 4). (11. 6) on OI (0.0). (-1 .3 ). (4. -5). (3. -2 ) a . (-1 .0 ). (0. 5). (1. -4). (2. 1) 23 (0 .-2 ). (6 .-1 ). (-3 .1 ). (3. 2) 33 Encuentre el volumen del paralelepípedo con un vértice en el origen y vértices adyacentes en (1. 0, -2), (1, 2. 4) y (7. 1. 0). 81 Encuentre el volumen del paralelepípedo con un vértice en el origen y vértices adyaoentes en (1, 4. 0). (-2 . - i 2) y ( - 1 .2 .- 1 ) . ' 28 Utilice el concepto de volumen para explicar por qué el deter minante de una matriz A de 3 x 3 es ceros! y solo si /tnoes In vertible. No recurra al teorema 4 de la sección 3.2. \SugervncIa: Piense en las columnas de A). 88 Sean T: R® -» R" una transformación lineal, p un vector y 5 un conjunto en R". Demuestre que la Imagen de p + S bajo T es el conjunto trasladado 7(p) + 7(5} en
http://www.fullengineeringbook.net 216 of 461.
Capítulo 3 Ejercicios complementarlos 19 9 27. Sea S el paralelogramo determinado por los vectores b| = [ ~ 3 ] y b : = =[ ~ 5 } y Sea/, = [ - 3
~2 ] C,Icul*
* 32. Sea Sel tetraedro en R3 con vértices en los vectoras Q
el área de la Imagen de 5baJoel mapeo * ~ ¿ x tSL Repita el ejercicio 27 con
bi = |
*1. b: = [ j 1 y
2 a Encuentre una fórmula para el área del triángulo cuyos vértices son O y*¿en R2. 3Q Sea J?el triángulo con vértices en (jri. / i). (*?. y¡) y (x¡. )$). Demuestre que 1 r* ' * *1 {áreadel triángulo} * - ü c t y3 1 2 L * y> U [Sugerencia: Traslade /?al origen restando uno de los vértices, y considere el ejercicio 29],
31.
Sea T: R3 -* IR3 la transformación lineal determinada por la
i}
matriz A
donde a. b y cson números po
sitlvos. Sea S la bola unitaria, cuya superficie frontera tiene la ecuación jrJ + x f + x j m 1. a) Demuestre que 7\S) eaá acotada por el elipsoide con la x} x j x* ecuación ~ + + - i - i. o1
b
1
c*
b) Con base en el hecho de que el volumen de la bola unitaria es 4tr/3, obtenga el volumen de la región acotada por el elip soide en el Inciso a).
a) Describa una transformación lineal que mapee a S sobre S . Encuentra una fórmula para el volumen del tetraedro 5* con slderando el hecho de que {volumen de 5} = (!/3){área de la base} • {altura} 33. ¡Mj Pruebe la fórmula del teorema 8 para la Inversa con una matriz aleatoria A de 4 x 4. Utilice un programa de matrices para calcular los cofactores de las submatrices 3 x 3 , construya b adjunta, y establezca que B ~ (adj ¿)/(det A). Luego, encuen tra B — inv(¿). donde lnv(¿) es la irversa de ¿calculada por el programa de matrices. Utilice aritmética de punto flotante con el número máximo posible de lugares decimales. Informe sus resultados. 34. [M] Pruebe la regla de Cramer con una matriz A de 4 x 4 y un vector aleatorio b 4 x 1. Calcule cada entrada en la solución de Ax = b y compare esas entradas con las correspondientes en ¿ - lb Escriba el comando (u oprima las teclas) para su progra no de matrices que emplea la regla de Cramer para producir la segunda entrada de x 35. ¡M] SI su versión de MATLAB tiene el comando f 1o p s. úse lo para contar el número de operaciones de punto flotante para calcular ¿~* considerando una matriz aleatoria de 30 x 30. Compare este número con el número de flops necesarios para construir (adj ¿)/(det A).
SOLUCIÓN AL PROBLEMA DE PRÁCTICA 0 área de S e s det
[i t]
— 14. y del A = 2. De acuerdo con el leorema 10. el área
de la imagen de 5 b ajo el mapeo * - ♦ ¿ x e s (det A\ • {área de 5} = 2 • 14 = 28
C A P Í T U L O 3 E JE R C IC IO S C O M PLEM EN TAR IO S i. Marque cada enunciado como verdadero o falso. Justifique sis respuestas. Suponga que todas las matrices son cuadradas. a) Si ¿ e s una matriz de 2 x 2 con determinante cero, entonces ira columna de ¿ e s un múltiplo de la otra. b) SI dos filas de una matriz ¿ de 3 x 3 son iguales, entonces efet ¿ = 0. d SI ¿ e s una matriz de 3 x 3. entonces det 5 ¿ =* 5 det ¿
d) Si ¿ y flson matrices de n x n, con det ¿ = 2 y det B = 3, entonces det(¿ + & ■ 5. e) SI ¿ e s de n x «con det ¿ = 2. entonces det ¿ 3 = 8. f) Si B se obtiene al Intercambiar dos filas de ¿, entonces det B ■ det A. $ SI Bse obtiene multiplicando la fila 3 de ¿ por S. entonces det B - 5 • det ¿.
http://www.fullengineeringbook.net 217 of 461.
200
CAPÍTULO 3
Determinantes
ti Si B se forma sumando a una fila de A una combinación lineal de las otras filas, entonces det B = det A b det AT = -det A. Jí det (-A ) • -det A. Q det (ArA) > 0. f)
Cualquier sistema de «ecuaciones lineales en «variables se puede resolver con la regla de Cramer.
«í Si o y vestón en R2 y det [■ v| - 10. entonces el área del triángulo en el plano con vértices en 0 u y ves 10.
ft Utilice operaciones de fila para demostrar que det T ~ ( b - t i ( c - t i ( c - b) 1Q Sea ñf) - det V, con Xu as todos distintos. Explique por qué f[t) es un polinomio cúbico, demuestre que el coeficiente de r*es diferente de cero, y encuentre tres puntos sobre la grá ficade f. 1L Calcule el área del paralelogramo definido por las puntos (I. 4), (-1 . 5). (3. 9) y (5. 8). ¿Cómo comprobar que el cuadrilátero determinado por estos puntos es realmente un paralelogramo? i t. Con base en el concepto de área de un paralelogramo. escriba un enunciado sobre una matriz A de 2 x 2. que sea válido si y solo si Aes Invertlble.
ti SI A* = 0. entonces det A = 0. ti Si /les Invertible. entonces det A "1 ■ det A. t i Si A es Invertlble. entonces (det A)(det A~') - I.
13 Demuestre que si A es Invertlble. entonces adj Aes Invertlble. y
En los ejercicios 2 a 4. utilice operaciones de fila para demostrar que todos los determinantes son cero. 12 15 18
14 17 20
13 16 19
a a+x a+y
1 1 1
3.
b b +x b+ y
a b c
b+c a+c a+b
c c+ x c +y
(adj A ) '1 {Sugerencia: Dadas las matrices B y C. ¿con qué cálculo(s) se demostrarla que Ces la Inversa de J9?|. 14 Sean A. B, C. D e I matrices de « x «. Utilice la definición o bs propiedades de un determinante para justificar las siguientes fórmulas. El IncLso c)es útil en aplicaciones de valores propios (capitulo 7. en el sitio Web). ti det
En los ejercicios 5 y 6. calcule los determinantes.
&
a
9 9 4 9 6
1 0 0 0 0
9 9 0 3 0
9 9 5 9 7
9 2 0 0 0
4 0 6 0 0
8 1 8 8 8
8 0 8 8 2
8 0 8 3 0
5 0 7 0 0
c) det
■| i i
’A
A
¿1
ti det ^
” ] = (detA)(detD) = det[
"]= * ,D A
] DJ
.0
ti Encuentre las matrices X y Kpara producir el bloque de fac torlzaclón LU
U °/J1lo *y 1\
« 1 ._ r t \A O J' y entonces demuestre que
\A le
^ '[ c
0 ] = (d etA )d et(/> -G 4 * ’, H)
ti Demuestre que si AC » CA, entonces
X Xi
= det A
13 Sean A, B. CyDmatrices de « x «con A Invertlble.
7. Demuestre que la ecuación de la recta en R2 que pasa por los puntos distintos (*i, /i) y fa, yú se puede escribir como det
j jj j
= 0
dC' [ c
X7
la
& Fhcuentre una ecuación de determinantes de 3 x 3, similar a la d»l ejercicio 7. que describa la ecuación de la recta con pendien te «tyque pasa por (xu y\).
o]
det { A D - C B )
Sea y la matriz de A = (a - b)I + bj. es decir.
y considere
Los ejercicios 9 y 10 se relacionan con los determinantes de las si guientes matrices de Vandermonde,
T =
I 1 I
a h
b1 .
c
c2
V(t) =
1
t
t2
ti
1
X\
x\
1
Xi
x¡ Xi
1
Xi
A
X2
ti Xy
Confirme que det A = (a - 6 )'- l [« + (« - 1)6] como sigue: ti Reste la fila 2 de la fila I. la fila 3 de la fila 2. y asi sucesiva mente. yexplique por qué esto no cambia el determinante de b matriz.
http://www.fullengineeringbook.net 218 of 461.
Capítulo 3 Ejercicios complementarlos 2 0 1 b) Con la matriz resultarte del inciso a), sume la columna I a la columna 2. después sume esta nueva columna 2 a la columna 3 y asi sucesivamente, y explique por qué esto no cambia el determinante. 4 Encuentre el determinarte de la matriz resultarte en A).
lf t [M] Utilice un programa de matrices para calcular los determi nantes de las siguientes matrices. '1 1 1 1
17. Sea A la matriz original del ejercicio 16. y sean b a b
b b a
b
b ... a -. b' ••• b . .. b
b b a b
..* ...
. ..
1 2 2 2 2
b‘ b b
am
Observe que A. B y Cson muy semejantes excepto que la prime ra columna de /les igual a la suma de las primeras columnas de By C. Una propiedad de llnealldadde la función determinante, analizada en la sección 3.2, dice que det A = det B + det C. UtiSce este hecho para probar la fórmula del ejercicio 16 mediarte inducción sobre el tamaño de la matriz A. 1K
M] Aplique el resultado del ejercicio 16 para encontrar los de terminantes de las siguientes matrices, y confirme sus respues tas utilizando un programa de matrices. 3 8 8 8
8 3 8 8
8 8 3 8
8 8 8 3_
'8 3 3 3 3
3 8 3 3 3
3 3 8 3 3
3 3 3 8 3
3' 3 3 3 8
1 2 3 3 3
1 2 3 4 4
1 2 2 2
1 2 3 3
r 2 3 4
1' 2
3 4 5
Utilice los resultadas para hacer una conjetura sobre el de terminarte de la matriz que se presenta a continuación, y conflr me la conjetura utilizando operaciones de fila para evaluar ese determinante. ... r 1 1 1 . .. 2 2 1 2 . .. 3 1 2 3 .1
2
3
. ..
n_
[M] Aplique el método del ejercicio 19 para hacer una conjetura sobre el determinarte de 1 1 I
I 3 3
I 3 6
— — •••
1 3 6
*
.1
3
6
•••
3(n —1) _
Justifique su conjetura. \Sugerencia: Considere el ejercicio 14¿) y d resultado del ejercicio 19|.
http://www.fullengineeringbook.net 219 of 461.
202 CAPÍTULO 3 Determinantes
A U TO EVA LU A C IÓ N
Encontrar el determinante de la matriz de la matriz
4 5 4
1 4 1
2.
Encontrar el determinante de la matriz de la matriz
2 0 -4 -2
1 -3 1 6 -1 6 4 5 4 5 1 3
3.
Resolver, usando la regla de Cramer. el sistema
I.
5' 3 . 4
4*,+2jrt =34 -2 * ,+ 3*, = - 5 4
Determinar los valores del parámetro 5 para los cuales el sistema de ecuaciones siguiente tiene solución única. 2sr, + 4 ^ = - 3 2 a¡ +sx. = 4
5l Calcular el área del paralelogramo cuyos vértices son ( - 1 . - 2 ) . (3.6). (5.0). (9. 8). ft
Determinar el valor del determinante mediante la expansión por cofactores 5 0 0 0 0
Determinar la inversa de la matriz
R
Calcular la adjunta de la matriz
2 4 0 0 0 8 7 -4 6 1 0
-2 2 -2 0 0
5 1 3 -1 0
o'
0 -4 2 -9 1 0
0 2 7 1 8
http://www.fullengineeringbook.net 220 of 461.
http://www.fullengineeringbook.net 221 of 461.
Espacios vectoriales COMPETENCIAS A DESARROLLAR 1 Desarrollar la habilidad de identificar cuándo un conjunto con dos operaciones definidas (suma y multiplicación por escalares) es un espacio vectorial. 2 Construir las bases de un espacio o subespacio vectorial utilizando el álgebra de vectores y determinar la dimensión del espacio o subespacio correspondiente.
ACTIVIDADES DE APRENDIZAJE Definir espacio vectorial, verificar en algunos conjuntos los 1 0 axiomas, determinar si un conjunto que incluye adición y multiplicación por un escalar es un espacio vectorial, identificar si un conjunto de vectores es un subespacio vectorial de un espacio vectorial dado y cuándo un conjunto de vectores genera un espacio vectorial, encontrar un conjunto generador para un subespacio vectorial dado. Determinar si un conjunto de vectores es linealmente independiente, relacionar la independencia lineal de vectores con el tipo de solución de un sistema homogéneo de ecuaciones lineales y utilizar los conceptos de matrices para determinar la independencia lineal de un conjunto de vectores. Definir y encontrar distintas bases para espacios y subespacios vectoriales dados y determinar si un conjunto de vectores es base de un subespacio vectorial. Definir y determinar la dimensión de un subespacio vectorial, encontrar las coordenadas de un vector respecto de una base dada, interpretar geométricamente el resultado, graficar vectores respecto de distintas bases y utilizar sistemas de ecuaciones para hacer el cambio de coordenadas de una base a otra. Resolver problemas de aplicación.
Identificar los espacios vectoriales asociados a una matriz: espacio nulo, espacio columna y espacio fila. 4 Encontrar una base para cada uno de estos espacios vectoriales y determinar su dimensión.
ACTIVIDADES DE APRENDIZAJE ♦ Definir y obtener el espacio nulo y el espacio co lín na de una matriz, identificarlos como subespacios vectoriales, determinar si un vector está en el espacio nulo o en el espacio columna, encontrar una base y contrastar el espacio nulo y el espacio columna. ♦ Relacionar el núcleo de una matriz con el conjunto de soluciones de un sistema homogéneo, el número de variables libres con la dimensión del espacio nulo, ei espacio nulo con el sistema de ecuaciones A x = b y el número de columnas pivote con la dimensión del espacio columna. Resolver un sistema de ecuaciones y determinar la dimensión del espacio solución del sistema homogéneo asociado, graficar el espacio solución y establecer la relación entre la gráfica y la dimensión del espacio solución del sistema homogéneo asociado. Definir y obtener el espacio fila de una matriz, encontrar una base, relacionarlo con el espacio columna de su transpuesta y determinar su dimensión. Identificar las relaciones existentes entre las dimensiones del espacio nulo, el espacio columna, el espacio fila de una matriz y el número de columnas de esta. ♦ Calcular el rango de una matriz, relacionar la existencia de la inversa de una matriz con la dimensión del espacio nulo y determinar su existencia utilizando el concepto de rango. Encontrar la matriz de cambio de la base canónica a otra base y de una no canónica a otra cualquiera. ♦ Utilizar software matemático para encontrar el espacio nulo y el espacio columna de una matriz. Resolver problemas de aplicación.
http://www.fullengineeringbook.net 222 of 461.
COMPETENCIAS A DESARROLLAR 5 Identificar el concepto de transformación lineal entre espacios vectoriales y los subespacios asociados a una transformación lineal: espacio nulo e imagen. 6 Identificar la relación entre transformaciones lineales y matrices. 7 Comprender las distintas representaciones de un vector dependiendo de la base que se utilice.
ACTIVIDADES DE APRENDIZAJE ♦ Definir y obtener el espacio nulo y la imagen de una transformación lineal, determinar la dimensión del núcleo y de la imagen, utilizar software matemático para encontrarlos y visualizarlos gráficamente y analizar el resultado de aplicar transformaciones lineales a conjuntos linealmente dependientes y linealmente independientes. ♦ Entender y utilizar el concepto de isomorfismo para simplificar el anáfisis de distintos espacios y subespacios vectoriales y relacionar las transformaciones lineales con el cambio de base de vectores en un espacio vectorial. ♦ Resolver problemas de aplicación.
8
Comprender los conceptos de ecuaciones en diferencias para identificar los tipos de problemas que se pueden modelar y resolver con ecuaciones en diferencias.
ACTIVIDADES DE APRENDIZAJE Identificar los problemas que utilizan solo datos discretos que pueden resolverse con ecuaciones en diferencias y resolver ecuaciones lineales en diferencias, homogéneas y no homogéneas. ♦ Resolver problemas de aplicación.
Comprender las cadenas de Markov para modelar matemáticamente una amplia variedad de problemas de aplicación en biología, ciencias sociales, economía, ingeniería, etcétera.
ACTIVIDADES DE APRENDIZAJE Identificar cuándo un problema puede modelarse con una cadena de Markov, definir el vector de probabilidad y la matriz estocástica. determinar la matriz de transición y el vector de estado inicial, calcular diferentes vectores de estado, encontrar el vector de estado estable y demostrar si un vector es un estado estable de una cadena de Markov. Interpretar la solución de un problema de Markov.
Sfcsugcrc trabajar los problemas marcadoscon un punto primero en torma Individual y. luego, dlscutirtos con iodo el grupo y el profesor, t tos ejercicios marcados con un asterisco deben trabajarse en colaboración con los compoteras de ciase. Se sugere formar oqupos de dos o tres cstudontcs. t
http://www.fullengineeringbook.net 223 of 461.
Transformaciones lineales
Subespacios vectoriales asociados a una transformación lineal Relaciones entre transformaciones lineales y matrices Subespacios vectoriales asociados a una matriz
Espacios vectoriales
Coordenadas de un vector
Dependencia e independencia lineales
Subespacios vectoriales
Bases
Generación
http://www.fullengineeringbook.net 224 of 461.
Vuelo espacial y sistemas de control
Con sus 12 pisos de altura y un peso de 75 toneladas, el Columbiase elevó majestuosamente de la plataforma de lanzamiento en una fresca mañana de Domingo de Ramos en abril de 1981. Producto de 10 años de una intensa labor de investigación y desarrollo, el primer transbordador espacial de Estados Unidos fue un triunfo de diseño de la ingeniería de sistemas de control, en el que participaron varias ramas de la ingeniería: aeronáutica, química, eléctrica, hidráulica y mecánica Los sistemas de control de la nave espacial son abso lutamente esenciales para el vuelo. Como el transbordador tiene un fuselaje Inestable, requiere de una monltorizadón computarizada constante durante el vuelo atmosférico. El sistema de control de vuelo envía una secuencia de comandos a las superficies do control aerodinámico y a 44 pequeños impulsores de propulsión a chorro. En la figura 1 se muestra un típico sistema de circuito
Tasa del cabecea
cerrado de retroal¿mentación que controla el cabeceo del transbordador durante el vuelo. (El cabeceo es el ángulo de elevación del cono de proa). Los símbolos de unión (®) indican dónde se añaden las señales de varios sensores a las señales de la computadora que fluyen a través de la parte superior de la figura Matemáticamente, las señales de entrada y salida a un sistema de ingeniería son funciones. En las aplicaciones, es importante que estas funciones se puedan sumar, como se muestra en la figura 1. y multiplicarse por escalares. Estas dos operaciones con las funciones tienen propiedades alge braicas que son completamente análogas a las operaciones de suma de vectores en R "y a la multiplicación de un vec tor por un escalar, como se verá en las secciones 4.1 y 4.8. Por esta razón, el conjunto de todas las entradas posibles (funciones) se denomina espado vectorial. Los fundamentos matemáticos para la ingeniería de sistemas se basan en espacios
Aceleración del cabeceo
-Cabecea ordenada
RGURA1 Sistema de control dei cabeceo para el transbordador espacial, (fíjente: Adaptado de Space Shuttle GN&C Operattons Manual Rockwell International. © 1988). 207
http://www.fullengineeringbook.net 225 of 461.
208 CAPÍTULO 4 Espacios vectoriales vectoriales de funciones, y en este capítulo 4 se amplia la teoría de los vectores en R" para incluir dichas funciones.
Más adelante, veremos cómo surgen otros espacios vectoriales en ingeniería, física y estadística [ w eb |
Las ■semillas' matemáticas sembradas en los capítulos 1y 2 germinan y comienzan a florecer en este capítulo. La belleza y el poder del álgebra lineal se apreciarán más claramente cuando el lector considere a R” solo como uno de tantos espacios vectoriales que surgen de forma natural en problemas aplicados. En realidad, el estudio de espacios vectoriales no es muy diferente del propio estudio de R* porque usted podrá utilizar su experiencia geométrica con R2 y R 3 para visualizar muchos conceptos generales. Comenzando con las definiciones básicas en la sección 4.1. el marco teórico de los espa cios vectoriales se desarrolla gradualmente a lo largo del capitulo. Uno de los objetivos de las secciones 4.3 a 4.5 es demostrar cuán estrechamente se parecen otros espacios vectoriales a R". En la sección 4.6 se estudiará el rango, uno de los temas más importantes de este capítulo, utilizando la terminología de espacio vectorial para vincular datos importantes de las matrices rectangulares. En la sección 4.8 se aplica la teoría del capitulo a las seriales discretas y ecua ciones en diferencias utilizadas en los sistemas de control digital, como en el transbordador espacial. Las cadenas de Markov, en la sección 4.9, representan un cambio de ritmo respecto de las secciones más teóricas del capítulo y dan buenos ejemplos para los conceptos que se introducirán en el capítulo 7 (en el sitio Web).
4 .1
ESPACIOS Y SUBESPACIOS VECTORIALES Gran parte de la teoría en los capítulos 1 y 2 se basa en ciertas propiedades algebraicas senci llas y evidentes de R ”, que se listan en la sección 1.3. De hecho, muchos otros sistemas ma temáticos tienen las mismas propiedades. Las propiedades específicas de interés se incluyen en la siguiente definición.
D E F IN IC IÓ N
Un aspado vectorial es un conjunto no vacío / de objetos, llamados vectores, en el que están definidas dos operaciones, llamadas sum a y multiplicación p o r escalares (números reales), sujetas a los 10 axiomas (o reglas) que se listan a continuacióa1 Los axiomas deben ser válidos para todos los vectores a. v. w en V, y para todos los escalares c y d. 1. La suma de ■ y ▼, denotada con ■ + v. está en V.
& « + v = v + «. 3l (■ + r) + w = ■ + (v + w). 4 Hay un vector erro (fl) en / t a l que ■ + t = a & Para cada ■ en /. existe un vector - « e n /ta l que ■ + ( -■ ) = 0 & F3 múltiplo escalar de ■ por
c, que se denota con cm, está en /
7. c(m + » ) = « + rv.
& (c + d)m = cm + dm. f t c(dm) = {cd)m 1CL !■ = ■
1Técnicamente. Pes un espado vectorial rea!. Toda ia teoría en este capitulo también es válida para un opado vectorial com plejo en el que los escalares son números complejos. Trataremos brevemente este asunto en el capi tulo 7 (en et sitio Wfeb) Hasta «itcnces, se supone que tnd» los escalares son reales
http://www.fullengineeringbook.net 226 of 461.
4 .1
Espacios y subespacios vectoriales 209
Utilizando tan solo estos axiomas, es posible demostrar que el vector cero en el axioma 4 es único, y el vector llamado el negptívo de ■. en el axioma 5 es único para toda i e n K Véase los ejercidos 25 y 26. Demostraciones de los hechos que se presentan a continuación se describen en los ejercidos:
Para cada ■ en V y escalar c,
Oi b O
(1) (2) (3)
rO= 0 -■ = (-!)■
E JE M P L O 1 I-os espacios R". donde n > 1. son los ejemplos principales de espados vectoriales. La intuidón geométrica desarrollada para R 3 le ayudará a entender y visualizar muchos conceptos en todo el capitulo. ■ E JE M P L O 2 Sea Peí conjunto de todas las flechas (segmentos de recta dirigidos) en el espacio tridimensional; se considera que dos flechas son iguales si tienen la misma longitud y la punta en la misma dirección. Defina la suma por la regla del paralelogramo (de la sección 1.3). y para cada v en V. defina cv como la flecha cuya longitud es |cj por la longitud de v. apuntando en la misma dirección que v si c & O y. en caso contrario, apuntando en la direc ción opuesta. (Véase la figura 1). Demuestre que Ves un espado vectorial. Este espado es un modelo común de los problemas físicos de varias fuerzas. SOLUCIÓN L ad efín ld ó n d c P es geométrica, utilizando los conceptos de longitud y direc ción. Ningún sistema de coordenadas x y zestá implicado. Una flecha de longitud cero es un punto único y representa el vector cero. El negativo de v es ( - l)v. Por lo tanto, los axiomas 1. 4. 5. 6 y 10 son evidentes. El resto se comprobará con geometría. Por ejemplo, véase las figuras 2 y 3. ■
EJEMPLO 3 Sea S el espacio de todas las secuencias doblemente infinitas de números (que generalmente se anotan en una fila más que en una columna): O*} =
•••)
Si {z¿} es otro elemento de S . entonces la suma {y¿} + {z¿} es la sucesión (y* + ¿i} for mada por la suma de los términos correspondientes de {y»} y {¿a}. El múltiplo escalar c{y»} es la sucesión {cyi}. Los axiomas de espacio vectorial se comprueban en la misma forma que para R'\ Los elementos de S surgen en ingeniería, por ejemplo, cuando una señal se mide (o se muestrea) en tiempos discretos. Una señal puede ser eléctrica, mecánica, óptica, etcétera Los sistemas de control principal del transbordador espacial, que se mencionaron en la in troducción del capitulo, usan señales discretas (o digitales). Por conveniencia llamaremos a S el espacio de señales (discretas de tiempo). Una señal se puede visualizar con una gráfica como la que se ilustra en la figura 4. ■
http://www.fullengineeringbook.net 227 of 461.
2 10
CAPÍTULO 4
Espacios vectoriales
lll, -5
0
5
.0
til 1 ]||
I
]J T
FIGURA 4 Una señal dbcreta de tiempo.
EJ EMPLO 4 Para n a 0. el conjunto todos los polinomios de la forma p(/ ) = oo +
P„ de polinomios de grado n o menor consiste en + a jí2 + •• • + ant"
(4)
donde los coeficientes ^ ......a„ y la variable / son números reales. El grado de p es la ma yor potencia de / en (4) cuyo coeficiente no es cero. Si p(/) = ao # 0. el grado de p e s cero. Si todos los coeficientes son iguales a cero, p se llama el po lin o m io cera El polinomio cero está incluido en P * a pesar de que su grado, por razones técnicas, no esté definido. Si p e s tá dada por la ecuación (4) y si q(/) = + b \t + ••• + bnt", entonces la suma p + q s e define mediante (p + q ) ( / ) = p) + q ( 0
= (rio + bo) + (ai + b i)t + ••• + (<*„ + b„ )tn H múltiplo escalar r p e s e l polinomio definido por (e p )(/) = c p ( /) = ca0 + ( a i | )/ + • • • + (ca„ )/" Estas definiciones satisfacen los axiomas 1 y 6. ya que p + q y cp son polinomios de grado igual o menor que n Los axiomas 2. 3. y 7 a 10 son consecuencias de las propie dades de los números reales. Evidentemente, el polinomio cero actúa com o vector cero en el axioma 4. Por último. ( - 1 )p actúa como el negativo de p por lo que el axioma 5 está sa tisfecho. As!. P n es un espacio vectorial. Se utilizan espacios vectoriales P n para varias n, por ejemplo, en el análisis de tendencia estadística de datos, que se analiza en la sección 5.8. ■
EJ EMPLO 5 Sea Peí conjunto de todas las funciones de valores reales definidas en un conjunto ID. (Por lo general. D es el conjunto de números reales o algún intervalo en la recta real). Las fundones se suman en la forma habitual: + g e s la fundón cuyo valor en / en el dominio D es f{f) + ^ /). Asimismo, para un escalar c y una f e n V, el múltiplo escalar r f es la fundón cuyo valoren /es ¿H/). Por ejemplo, si D = R, !(/) = l + sen 2/, y g|/) = 2 + .5/. entonces
f
(f+ g (/) = 3 + s e n 2 /+ .5 /
• f +g
y
(2g)(/) =
4+
/
g
Dos fundones en Lson iguales si y solo si sus valores son iguales para toda / e n D. Por lo tanto, el vedor cero en Kes la fundón igual a cero. f(/) = 0 para toda /, y el negativo de es ( - l ) f Como es evidente, los axiomas 1 y 6 son deitos. y los otros axiomas se dedu cen de las propiedades de los números reales, por lo que P es un espacio vectorial. ■
La suma de dos vectores (funciones).
Es importante pensar en cada función en el espacio vectorial Pdel ejemplo 5 como un objeto único, un solo “punto" o un vector en el espado vectorial. 1.a suma de dos vectores y (funciones en K o elementos de cualquier espacio vectorial) se puede visualizar como en la figura 5. ya que esto le ayudará a aplicar a un espacio vectorial general la intuidón geométrica que ha desarrollado al trabajar con el espacio vectorial R n.
r-
f
o FIGURA S
f g
http://www.fullengineeringbook.net 228 of 461.
4 .1
E s p a c io s y s u b e s p a c io s v e c to ria le s
2 11
Subespacios En muchos problemas, un espacio vectorial se compone de un subconjunto adecuado de vec tores de un espacio vectorial más grande. En este caso, solo se deben comprobar tres de los 10 axiomas de espacio vectorial, y el resto se satisfacen de manera automática.
DEFINICIÓ N
Un au b e sp a d o d c un espacio vectorial / e s un subconjunto / / d e /q u e tiene tres pro piedades: a) El vector cero de /e s tá en H? A) H e s cerrado bajo la suma de vectores. Es decir, por cada ■ y v en H. la suma ■ + v está en H. H e s cerrado bajo la multiplicación por escalares. Es decir, para cada s e n H y cada escalar c, el vector rm está en H
//
FIGURA 6
Un subespaclo de V.
Las propiedades a), b) y c) garantizan que un subespacio H áe /s e a en si mismo un espa d o vectoríalbajo las operaciones de espacio vectorial ya definidas en V. Para comprobar esto, observe que las propiedades a), tí) y c) corresponden a los axiomas 1. 4 y 6. Los axiomas 2. 3 y 7 a 10 son automáticamente verdaderos en //. ya que se aplican a todos los elementos de V, incluidos los de H. El axioma 5 también es verdadero en H. ya que si ■ está en H, entonces ( - \)m está en H de acuerdo con la propiedad c). y sabemos a partir de la ecuación (3) de la página 209 que ( - 1 )■ es el vector - a en el axioma 5. Asi. cada subespacio es un espacio vectorial. Por el contrario, todo espacio vectorial es un subespaclo (de s! mismo y. posiblemente, de otros espacios más grandes). El término subespa ció se utiliza cuando al menos dos espacios vectoriales están en mente, con uno dentro del otro, y la frase subespado de /identifica a /c o m o el espacio más grande. (Véase la figura 6). E J E M P L 0 6 El conjunto que consta solo del vector cero en un espacio vectorial / e s un subespacio de /. llamado m !wh| kkío cero, y se representa como {§}. ■ E JE M P L O 7 Sea P e í conjunto de todos los polinomios con coeficientes reales, con ope raciones en P definidas como en las funciones. De esta forma. P es un subespacio del espacio de todas las funciones de valores reales definidas en R. Además, para cada n ^ 0. P „es un subespacio de P . ya que P„ es un subconjunto de P que contiene el polinomio cero: la suma d e dos polinomios en P„ también está en P „ y un múltiplo escalar de un polinomio en P n también está en P,> ■ E JE M P L O 8 El espacio vectorial R2 no es un subespacio de R 3 porque R2 ni siquiera es un subconjunto de R 3. (Todos los vectores en tienen tres entradas, mientras que los vecto res de R2 tienen solo dos). El conjunto
R3
: s y t son reales FIGURA 7
El plano .*1*2 como un subespaclo de Rs.
Rs
Rz.
es un subconjunto de que se ‘ve" y ‘actúa’ como aunque lógicamente es distinto de R2. Véase la figura 7. Demuestre que H e s un subespacio de R 3. SOLUCIÓN El vector cero está en H, y H e s cerrado bajo la suma de vectores y la multi plicación escalar debido a que estas operaciones sobre los vectores de //siem p re producen vectores cuyas terceras entradas son iguales a cero (y. por lo tanto, pertenecen a H). Por con siguiente. H es un subespacio de
R3.
■
2 Algifios libros remplazan la propiedad a) «i esta deflnkrkln por el supuesto de que //no es vacio. Así. a) se puede
deducir a partir de ó y el hecho de que 0a = Q Pero la mejor manera de someter a prueba un subespaclo es bus car primero al vector cero. 9 testa en H entonces se deben revisar las propiedades y r). 9 • m t sta en // en tonces //no puede ser un subespaclo y no se necesita comprobar tas otras propiedades
http://www.fullengineeringbook.net 229 of 461.
2 12
CAPÍTULO 4
E s p a c io s v e c to ria le s
EJ E M PL O 9 Un plano en R3 que no pasa por el origen no es un subespacio de R3, por que el plano no contiene el vector cero de R3. Del mismo modo, una recta en Rz que no pasa por el origen, como en la figura 8. no es un subespado de R2. ■
Un subespacio g enerado por un conjunto El siguiente ejemplo ilustra una de las formas más comunes de describir unsubespacio. Como en el capitulo l. el término condrinarión U v a l se refiere a cualquier suma de los múlti plos escalares de vectores, y Gen {vi......vp} denota el conjunto de todos los vectores que se pueden escribir com o combinadones lineales de v ,..... vp
FIGURA 8
Una recta que no es un espacio vectorial. E JE M P L O 1 0 Dados vi y v? en un espado v ed orial V, sea H = Gen {vi.vfc}. Demuestre que A/es un subespado de V SOLUCIÓN El vedor cero está en H ya que O = Ovi + 0v2. Para demostrar que H es cerrado bajo la suma de vedores. tome dos v ed ores arbitrarios en H. por ejemplo.
u = n v i + S2V2 y
w = f |V |+ / 2v2
Por los axiomas 2 .3 y 8 para el espado vedorial V,
u + w = (n v i + í 2v2) + (/1 vt + r2v2) = (Si +/i)V| + ( í 2 -M2)v2 *3
Asi que u + w está en H. Además, si c es un escalar cualquiera, entonces por los axiomas 7 y 9.
cu = c(r,v, + s2v2) = (csi)v, + (cr2)v2 lo que demuestra que en está en H, y H es cerrado bajo la multiplicadón por escalares. Por lo tanto. H e s un subespado de V. ■
RGURA9
Un ejemplo de un subespacio.
TEOREMA 1
En la secaón 4.5, veremos que todo subespado de R3 distinto de cero, que no sea R3 mismo, es Gen {▼,. v2} para algunos v, y v2 linealmente independientes o Gen {v} para v * Qi En el primer caso, el subespado es un plano que pasa por el origen; en el segundo caso, se trata de una reda que pasa por el origen. (Véase la figura 9). Es útil tener en mente estas imágenes geométricas, incluso para un espacio vedorial abstrado. El argumento en el ejemplo 10 se puede generalizar fácilmente para comprobar el si guiente teorem a
Si v i......vp están en un espado vedorial V. entonces Gen .............vp} es un subes pad o de V.
Se llama Gen (v i......vp) al « ib e sp a d o generado por (v i........vp}. Dado un subespacío H de K un conjunto g en erad o r para H es un conjunto {v ,..... vp} en H tal que H = Gen {v ,......v^}. H siguiente ejemplo muestra cómo utilizar el teorema 1. E JE M P L O 1 1 Sea H el conjunto de todos los vedores de la forma (a - 3b, b - a, a, b). donde a y Ason escalares arbitrarios. Es dedr, sea H = {(a - 36. b - a. a b): a y b en R ). Demuestre que H es un subespado de R 4.
http://www.fullengineeringbook.net 230 of 461.
4 .1
Espacios y subespacios vectoriales 2 13
SOLUCIÓN Represente los vectores en H como vectores columna. Asi, un vector arbitrario en //tie n e la forma ‘a - 3 b ' b —a = a a b
r -1 1
'- 3 '
1
+ b
0
1
0 1
t
Este cálculo muestra que H = Gen {▼]. y?}, donde vi y ^ son los vectores indicados anterior mente. Por lo tanto, H es un subespacio de R 4 de acuerdo con el teorema l. ■ H ejemplo 11 muestra una técnica útil para expresar un subespacio //c o m o el conjunto de combinaciones lineales de una pequeña colección de vectores. Si H = Gen {v ,......vp}, po demos pensar en los vectores v ,......vp del conjunto generador como "asas" que nos permiten sujetar el subespado H. Cálculos con un número infinito de vectores en //c o n frecuencia se reducen a operaciones con un número finito de vectores en el conjunto generador.
EJEMPLO 12 Determine qué valor(es) de h hará(n) que y sea un subespacio de R3 generado por Y|. V2. y*, si
—
Vl=[~Í} ,3=[ í]y i]
SOLUCIÓN Esta pregunta es el problema de práctica 2 en la sección 1.3, que aquí se mo dificó utilizando el término subespado en vez de Gen {v,. v2. y¡}. La solución obtenida ahí muestra que y está en Gen {y,. v 2. v3} si y solo si h = 5. Vale la pena revisar esta solución ahora, junto con los ejercicios 11 a 1 6 y 1 9 a 2 l de la sección 1.3. ■ Aunque muchos espacios vectoriales en este capítulo son subespacios de R'1. es importan te considerar que la teoría abstracta se aplica a otros espacios vectoriales. Espacios vectoriales de funciones surgen en muchas aplicaciones, y más adelante se tratarán con más detalle.
PROBLEMAS DE PRÁCTICA* • 1. Demuestre que el conjunto H d e todos los puntos en R 2 de la forma (3$ 2 + 5 ^ no es un espacio vectorial, al mostrar que no es cerrado bajo la multiplicación escalar. (Encuentre un vector específico ■ en / / y un escalar ctal que no está en H), •Z . Sea W = Gen {vi......vp}. donde v i....... vp se encuentran en un espacio vectorial V Demuestre que v* está en íVpara 1 < A s p. [Sugerencia; Escriba primero una ecuación que demuestre que V| está en W. Después, ajuste su notación para el caso general 1.
4 . 1 EJER C IC IO S * L Sea V'el primer cuadrante en el plano xy, es decir, sea
2. Sea M'la unión del primer y tercer cuadrantes en el plano xy.
B decir.sea H'' = j [ j ] : x y > ° ¡ . a) Si o y y están en V, ¿está u + yen k? ¿Por qué? b) Ehcuentre un vector especifico a en Vy un escalar especifico ctal que ru no esté en V. (Esto es suficiente para demostrar que Vnoes un espacio vectorial).
a) SI u está en W y ces cualquier escalar, ¿está cu en Wi ¿Porqué?
* Se sugiere trahajar los problemas marcados con un punto primero en forma M M d lB l y. luego. «UsenIrlos con todo el grupo y d profesor ♦ l-os ejercicios marrados con un asterisco deben trabajarse en colaboración con los comparten» de clase. Se sugiere formar equipos de dos o tres estudiantes.
http://www.fullengineeringbook.net 231 of 461.
2 14
CAPÍTULO 4
Espacios vectoriales
Encuentre dos vectores especificas a y v tales que u + v no esté en W. Esto es suficiente para demostrar que W no es un espacio vectorial. 3» Sea H ú conjunto de puntos en el interior y sobre el círculo uní Brío en el plano xy. Es decir, sea H = | [ y j ' x * +
4.
- 1|-
Fhcuentre un ejemplo especifico —dos vectores o un vector y til escalar—, que demuestre que //no es un subespacto de R*.
Í 2a -1+ 3A
Construya una figura geométrica que ilustre por qué una recta en R 2 que no pasa por el origen no es cerrada bajo la suma de vectores.
2xi —Sb 2a - b ' 3 b -c 3 c-a 3b
En los ejercicios 5 a 8. determine si el conjunto dado es un subespa cío de IP„ para un valor adecuado de n Justifique sus respuestas. & Todos los polinomios de la forma p( /) - at*. donde ase encuen traen R. a
Todos los polinomios de la forma p{/) - a + /*. donde a se encuentra en R.
7. Todos los polinomios de grado 3 como máximo, con números enteras como coeficientes. &
Fn los ejercicios 15 a 18. sea IVel conjunto de todos los vectores de la forma indicada donde a b y c representan números reales aburarlos. En cada caso, encuentre un conjunto Sde vectores que g?nere Wo dé un ejemplo para demostrar que W no es un espacio vectorial.
17.
16L
1 3 a -5 b 3b+ 2a 4 a +35 0 a + 3b + c 3b - 2 c
lft Si una masa mse coloca en el extremo de un resorte, y si se tira de la masa hacia abajo y luego se suelta el sistema masa resorte comenzará a oscilar. □ desplazamiento / de la masa desde su posición de reposo está dado por una función de la forma y(f) = C| eos o tt +
q
sen tai
(5)
donde ai es una constante que depende del resorte y la masa. (Véase la figura que se muestra a continuación). Demuestre que el conjunto de todas las funciones descritas en la ecuación (5) (con b) fija y C| y q arbitrarias) es un espacio vectorial.
Todos los polinomios en P„tales que p(0) = 0.
& Sea H el conjunto de todos los vectores de la forma Encuentre un vector ven R3tal que / / = Gen {v}. ¿Por qué esto demuestra que Hes un subespacto de R3? ia
Sea H e 1 conjunto de todos los vectores de la forma donde tes cualquier número real. Demuestre que Hes unsubespaclo de R3. (Utilice el método del ejercicio 9).
11.
Sea W el conjunto de todos los vectores de la forma '2 b + 3c "1 -b I. donde b y c son arbitrarios. Encuentre los vec-
. 2c J lares n y v tales que W = Gen {« v). ¿Por (pié esto demuestra que W^es un subespacto de R3?
12. Sea W el conjunto de todos los vectores de la for 2s + 4r
2s . Demuestre que W es un subespacto de R4. 2 s-3 1 St (Utilice el método del ejercicio 11).
ma
13.
Sea v,
[J M iM iM O
a) ¿Está w en (vi. *2. vj}? ¿Cuántos vectores se encuentran en {vj. *j}? ¿Cuántos vectores están en Gen {vi. v?. v»}? 3 ¿wes el subespado generado por {vj, *5. vs)? ¿Por qué? 14.
Sea v¡. v2. vj como en el ejercicio 13. y sea w
[i]
¿Está wen el subespacto generado por {
SOL El conjunto de todas las funciones de valor real continuas y de
finidas en un intervalo cerrado [4 Aj en R se denota mediante C\a. A). Este conjunto es unsubespaclodel espacio vectorial de todas las funciones de valor real definidas en [a A], a) ¿Qué hechas acerca de las funciones continuas se deberían someter a prueba para demostrar que C[a A] es en realidad el subespacio que se afirma? (Estos hechos se suelen tratar en una clase de cálculo). A) Demuestre que {fen C ía A |: Ka) « KA)} es un subespacto de C |a Aj. Pára enteros positivos fijos m y a el conjunto M ^„áe todas las ma trices de m x n es un espacio vectorial, bajo las operaciones habí tuaies de suma de matrices y multiplicación por escalares reales. 21. Determine si el conjunto H de todas las matrices de la forma [o
d ]* * 1111su*jesPac,°d*
2& Sea /-'una matriz fija de 3 x 2. y sea //e l conjunto de todas las matrices A en con la propiedad de que FA - 0 (la matriz oero en Afj,*). Determine si Hes un subespacto de A£„4.
http://www.fullengineeringbook.net 232 of 461.
4 .1 En los ejercicios 23 y 24. marque cada enunciado como verdadero o falso. Justifique sus respuestas.
28
a) SI f e s una función en el espacio vectorial Ede todas las funciones de valores reales en R y si f/) = 0 para alguna t, entonces fes el vector cero en V. b) Un vector es una flecha en el espacio tridimensional. i) Un subconjunto //d e un espacio vectorial Ves un subespacto de Esl el vector cero está en H. d¡ Un subespacio también es un espado vectorial. e) [.as señales analógicas se utilizan en los sistemas de control principal del transbordador espacial, mencionado en la In troducción al capitulo.
2 4 a) Un vector es cualquier elemento de un espado vectorial. b) Si u es un vector en un espado vectorial V, entonces ( - fin es igual al negativo de n 4 Un espado vectorial es un subespacio. d) R2es un subespacio de R3. f) Un subconjunto H de un espacio vectorial Ees un subespa do de Esl se cumplen las siguientes condiciones: Leí vector cerode Eestá en H. i . a vy ■ + ven H ,y9L oes un escalar y atesta en //. Los ejercicios 25 a 29 muestran cómo se pueden utilizar los axiomas de un espacio vectorial Epara demostrar las propiedades elementales descritas después de la definición de un espacio vectorial. Complete los espacios en blanco con los números del axioma adecuado. De acuerdo con el axioma 2. los axiomas 4 y 5 Implican, respectivamen te. que O + a “ e y - a + u = Opara todas
E s p a c io s y s u b e s p a c io s v e c to ria le s
2 15
rO = Opara cada escalar C. rO • c(0 4 O
según el axioma_____ a)
® cO + tO
según el axioma_____
Sume el negativo de cOen ambos lados: í-0
+ (-cO)=[cO + cO] + (-cO)
cO + (-cO)=rO + [cO + (-cO)] 0= c 0 + 0 0=c0
según el axioma_____ d según el axioma_____ d) según el axioma_____ e)
2 8 Demuestre que ( - l ) u = - u . [Sugerencia: Demuestre que n + (-1 )» “ O Utilice algunos axiomas y los resultados de los ejercicios 27 y 26], 30 Suponga que cu = O para algún escalar c distinto de cero. Demuestre que ■ ■ O Mencione los axiomas o las propiedades que utilice. 31. Sean u y v vectores en un espacio vectorial V. y sea / / cual quier subespacio de Eque contiene a u y v. Explique por qué H también contiene a Gen {u v). Esto demuestra que Gen ( u v} es el menor subespacio de Eque contiene a u y v • 32. Sean H y K subespaclos de un espacio vectorial E La I é í t serrata de //y K, que se representa como UC\ K, es el conjun to de v en Eque pertenece tanto a H como K. Demuestre que / / n Kes un subespacio de V (Véase la figura). Dé un ejemplo en R2para demostrar que la unión de dos subespaclos no es. en (£neral. un subespacio.
2 5 Complete la siguiente demostración de que el vector cero es único. Suponga que w en Etiene la propiedad de que ■ + w = w + u = a para toda u en V. En particular, O + w = 0 Sin embargo, 0 + w = w. de acuerdo con el axioma_____ . Por lo tanto, w = O + w = O 20 Complete la siguiente demostración de que - u es el único vector en E tal que u + (-«*) - O Suponga que w satisface u + w = O Sumando - uen ambos lados, se tiene (-u ) + [u + * ] = (-u ) + 0 [(— u) + u] + w = ( —u) + 0
según el axioma
a)
0 + W = ( —u ) + 0
según el axioma
b)
según el axioma
d
w = —u
27. Complete las números de axioma que faltan en la siguiente de
mostración de que On - Opara cada uen V. Oo ■ (O + 0)u - Ou + Ou
según el axioma____ a)
Sume el negativo de Ouen ambos Lados: Ou + (-Ou) = Ou + (-Ou) = O= 0=
[Ou + Ou] + (-Ou) Ou + [Ou + (-Ou)] Ou + O Ou
según el axioma____ b) según el axioma____ d según el axioma___ d)
28 Complete los números de axioma que faltan en la siguiente demostración de que
33. Dados los subespaclos H y K de un espacio vectorial E.bisuma d» H y K. que se escribe como / / + K, es el conjunto de todos los vectores en Eque se pueden representar como la suma de dos vectores, uno en H y el otro en K, es decir. H + K = {w :w = u + vpara alguna «en H y alguna v en K\ a) Demuestre que H + Kes un subespacio de V. b) Demuestre que H es un subespacio de H + K y K es un subespacio de / / + K. 34 Suponga que a .......... vpctorial É ysea
vi..... v , son vectores en un espacio
/ / = Gen (ni. ,..^ .) y K “ Gen {v,.....v,} Demuestre que H+ K “ Gen {a,.....Up, V|......v9}.
http://www.fullengineeringbook.net 233 of 461.
216 CAPÍTULO 4 Espacios vectoriales 35. [M] Demuestre que westA en el subespacio de R4generado por ▼i. t ?. v i donde ■ 9" -4 w= - 4 .▼i = 7
-4 ' —7" 3 6 - 2 •Tj = -5 -8 -1 8
8 -4 - 3 .▼2 = 9
38. [M] Determine si yestá en el subespacio de R4generado por las columnas de A, donde
—4" -8 • 6 .-5
3 - 5 —9" 8 7 -6 AA — = -5 -8 3 2 -2 -9 .
ejercicio posterior f(/) = 1 — 8 eos2 / + Seos4/
g(r) = —1 + 1Seos' r - 48oos4r + 32oo^r
f
«/
Estudie la gráfica de para 0 s 2w. e inflera una fórmula sencilla para fié. Verifique su suposición mediante la represen tación gráfica de la diferencia entre I + fl/) y su fórmula para fl/). (Se espera que vea la función constante l). Reptta el pro cedimiento para g 3R [Mj Repita el ejercicio 37 para las fimclones fít) = 3 s e n / - 4 sen3 / gf¡ = l - 8 s e n 2/ + 8sen4 /
37. ¡M] □ espacio vectorial H - Gen {1. cos2t eos4/. eos8/} con tiene al menos dos funciones interesantes que se utilizarán en un
Mt) = 5 sen t - 20 sen3 1+ 16 sen5 t en el espacio vectorial Gen {l. sen /.sen2/,.., sen5/}.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA L
Tome cualquier ■ en H, digamos, u =
^
j. y tome cualquier c * l. por ejemplo, c = 2.
Así, cu = ^ |4 J-S I esto se encuentra en H, entonces hay alguna 5tal que
[ * + * ] “ [« ] Es decir, s = 2 y s = 12/5, lo que es imposible. Asi que 2 a no está en H, y H no es un espacio vectorial.
2
vi = lvi + Or? + ••• + Oyp. Esta ecuación expresa a Vi como una combinación lineal de V|......\p. por lo que vj se encuentra en W. En general. Viestá en W, ya que
v* = Ovj ■+•••• ■+■ 0v*_| ■+■ lv* ■+■ 0vt+J + •••+ Ov^,
4 .2
ESPACIOS NULOS, ESPACIOS COLUMNA Y TRANSFORMACIONES LINEALES En las aplicaciones del álgebra lineal, los subcspaclos de H" generalmente se presentan en una de dos maneras: 1. como el conjunto de todas las soluciones a un sistema de ecuaciones lineales homogéneas, o 2 como el conjunto de todas las combinaciones lineales de ciertos vectores específicos. En esta sección, se comparan estas dos descripciones de subespacios, lo que nos permitirá practicar el uso del concepto de subespacio. En realidad, como pronto descubrirá, hemos trabajado con subespacios desde la sección 1.3. La principal novedad aquí es la terminología. La sección concluye con un análisis acerca del núcleo y el rango de una transformación lineal.
El espacio nulo de una m atriz Considere el siguiente sistema de ecuaciones homogéneas:
http://www.fullengineeringbook.net 234 of 461.
4.2
E sp a c io s n u lo s , e sp a c io s c o lu m n a y tr a n s f o rm a c io n e s lin e a le s
2 17
En forma de matriz, este sistema se representa como /ix = G donde
Recordemos que el conjunto de todas las x q u e satisfacen (1) se llama el r a a j r a t o solución del sistema (1). Con frecuencia es conveniente relacionar este conjunto directamente con la matriz A y la ecuación A x = 0 El conjunto de x q u e satisfacen A x = § se denomina el espacio nulo de la matriz A.
DEFINICIÓN
El « p a r ió m í o ríe una matriz A de m x n, que se denota como Nul A, es el conjunto de todas las soluciones de la ecuación homogénea A x = tt En notación de conjuntos. Nul A = {x: x e s tá e n 0 ta y ¿ 4 x « •}
Una descripción más dinámica de Nul A es el conjunto de todas las x en R fl que se mapean en el vector cero de R " a través de la transformación lineal x ►-* Ax. Véase la figura 1.
O GURA 1
EJEMPLO 1
Sea A la matriz en la ecuación (2) anterior, y sea u =
. Determine
sí ■ pertenece al espacio nulo de A. SOLUCIÓN Para probar si «satisface Am = 0, simplemente se calcula
Por lo tanto, n está en Nul A.
■
0 término espad o en el espacio nulo es adecuado ya que el espacio nulo de una matriz es un espado vectorial, como se muestra en el siguiente teorema.
TEOREMA 2
0 espado nulo de una matriz A de m x n es un subespacio de R". De manera equiva lente. el conjunto de todas las soludones a un sistema A x = O de /«ecuaciones lineales homogéneas con n incógnitas es un subespado de R".
http://www.fullengineeringbook.net 235 of 461.
2 18
CAPÍTULO 4
Espacios vectoriales DEMOSTRACIÓN Sin duda, Nul A es un subconjunto de R" porque A tiene n columnas. Debemos demostrar que Nul A satisface las tres propiedades de un subespacio. Desde luego. está en Nul A. Ahora, considere que y ▼representan los dos vectores de Nul A. De esta forma.
O
n
Au = 0
y
Ax = 0
Para demostrar que * + v está en Nul A. se tiene que demostrar que una propiedad de multiplicación de matrices, calcule
+ v) = O, Ut ll Izando
A (u + v) = /!■ + ,4v = 0 + 0 = 0 Por lo tanto, n + v está en Nul A, y Nul A es cerrado bajo la suma de vectores. Por último, si c e s un escalar cualquiera, entonces A{(MÍ = cM«) = c(9> m o. lo que demuestra que cm está en Nul A. Asi, Nul A es un subespacio de R".
■
EJ E M P L O 2 Sea H e 1 conjunto de los vectores en R4 cuyas coordenadas a b. c. d sa tisfacen las ecuaciones a - 2b + 5 c = d. y e - a = b. Demuestre que H es un subespacio de R4. SOLUCIÓN Al reordenar las ecuaciones que describen los elementos de H. y al observar que / / e s el conjunto de todas las soluciones del siguiente sistema de ecuaciones lineales homogéneas: a — 26 + 5c —d = 0 -a — b +
c
=0
De acuerdo con el teorema 2, H es un subespacio de R4.
■
Es importante hacer notar que las ecuaciones lineales que definen el conjunto H son ho mogéneas. De lo contrario, el conjunto de soluciones no será definitivamente un subespacio (porque el vector cero no es una solución de un sistema no homogéneo). Además, en algunos casos, el conjunto de soluciones podría estar vacio.
Una descripción explícita de N u l A No hay una relación evidente entre los vectores en Nul A y las entradas de A. S e dice que Nul A se define de forma implícita, ya que se define por una condición que se debe compro bar. No existe una lista o una descripción explícitas de los elementos de Nul A. Sin embargo. resolverla ecuación A x = ©equivale a hacer una descripción explícita de Nul A. El siguiente ejemplo revisa el procedimiento de la sección 1.5. EJ EM PLO 3
Determine un conjunto generador del espacio nulo de la matriz
[ - 31 2
1-7*1
6 -1 -2 2
3 -1
-4
8—4 J
5
SOLUCIÓN H primer paso es encontrar la solución general de A x = ©en términos de va riables libres. Reduzca por filas la matriz aumentada [A C) a la forma escalonada reducida para escribir las variables básicas en términos de las X| variables - 2X2 libres: — x« 4- 3x5 = 0 * 1 -2 0 0 0 0
0 -1 3 1 2-2 0 0 0
0 0 0
http://www.fullengineeringbook.net 236 of 461.
X3 + 2X4 - 2x5 - o
0= 0
4.2
Espacios nulos, espacios columna y transformaciones lineales 2 19
La solución general es x x = 2x2 + x* - 3*5. x3 = -2 * 4 + 2 a'5. con x2, a* y *5 libres. Luego, hay que descomponer el vector que da la solución general en una combinación li neal de vectores donde los pesos son las variables libres Es decir.
’ 2*2 + *4 - 3*5 " Xi
*3 = *4 _*5_
- 2 * 4 + 2*5 *4 Xs
'
' 2 '
Xl =
X3
1 0 0 0
+ *4
T u
r 0 -2 1 0
+
x f
t v
3" 0 2 0 1 t w
= Jt2a + *4V + Xsw
(3)
Cada combinación lineal de ■. v y w es un elemento de Nul A. Por lo tanto, { t r . w) es un conjunto generador para Nul A. ■ Hay que hacer notar dos hechos acerca de la solución del ejemplo 3 que se aplican a todos los problemas de este Upo. donde Nul A contiene vectores distintos de cero. Vamos a considerar estos datos más adelante. 1. 0 conjunto generador producido por el método del ejemplo 3 es linealmente indepen diente de manera automática debido a que las variables libres son los pesos de los vectores generados. Por ejemplo, vea la segunda, cuarta y quinta entradas en el vector solución en la ecuación (3) y observe que x¿m + *|V + *,w puede ser fs o lo si los pesos x2, x\ y as son todos cero.
2. Cuando Nul A contiene vectores distintos de cero, el número de vectores en el conjunto generador para Nul A es igual al número de variables libres en la ecuación A x = 0
El espacio colum na de una m atriz Otro subespacio importante asociado con una matriz es el espacio columna. A diferencia del espacio nulo, el espacio columna se define de forma explícita a través de combinaciones lineales.
D EFINICIÓN
El « sp a d o e o h n B n a d c u n a m a triz /ld e /n x n. que se denota como Col A es el conjunto de todas las combinaciones lineales de las columnas de A. Si A = [a, •••*,]. entonces Col A = Gen { * ......*,}
Ya que Gen { ai..... ai} es un subespacio, de acuerdo con el teorema 1, el siguiente teore ma se deduce de la definición de Col A y del hecho de que las columnas de A están en IR®.
TEOREMA 3
0
espado columna de una matriz A de m x n es un subespado de R®.
Observe que un vedor típico de Col A se puede escribir como A x para alguna x ya que la notación A x representa una combinación lineal de las columnas de A. Es dedr. Col A = { b : li = A x para alguna x en R"} l.«a notación A x para los vectores en Col A también muestra que A es el rango de la transfor mación lineal x *-* A x Regresaremos a este punto de vista al final de la soedón.
http://www.fullengineeringbook.net 237 of 461.
220
CAPÍTULO 4
Espacios vectoriales
EJ EMPLO 4
Encuentre una matriz A tal que IV = Col A.
W =
6a- b a+ b -la
: a, ¿ e n R
SOLUCIÓN En primer lugar, escriba tVcomo un conjunto de combinaciones lineales.
En segundo lugar, utilice los vectores en el conjunto generador como las columnas de A.
r 6 - 1! 1 . De esta forma. W =
Sea A = I 1 L -7
Col A. como se desea
■
Oj
Recuerde el teorema 4 de la sección 1.4. según el cual las columnas de A generan a R " si y solo si la ecuación /tx = k tiene una solución para cada b. Podemos enunciar este hecho con palabras de la siguiente manera
H espacio columna de una matriz A d e m x n esR ® si y solosi la ecuación A x = btiene una solución para cada b en R".
C ontraste e n tre N ul A y Col A Es natural preguntarse cómo se relacionan el espacio nulo y el espacio columna de una matriz. De hecho, los dos espacios son muy diferentes, como se constata en los ejemplos 5 a 7. Sin embargo, una sorprendente conexión entre el espacio nulo y el espacio columna se verá en la sección 4.6. cuando hayamos estudiado más teoría.
EJEMPLO
5
Sea
[ - 22 - 54 - 27 3
7
ll 3
-8 6J
¿Ó Si el espacio columna de A es un subespacio de R i. ¿a qué es igual A? b)
Si el espacio nulo de A es un subespacio de R*. ¿a qué es igual A?
SOLUCIÓN a)
Cada una de las columnas de A tiene tres entradas, por lo que Col A es un subespacio de R*. donde A = 3.
b)
Un vector x tal oue A x esté definido debe tener cuatro entradas, por lo que Nul A es un subespacio de R* donde A = 4. ■
Cuando una matriz no es cuadrada, como en el ejemplo 5. los vectores en Nul A y Col A viven en "universas" totalmente diferentes. Por ejemplo, ninguna combinación li neal de vectores en R 3 puede producir un vector en R*. Cuando A es cuadrada. Nul A y Col A tienen el vector oero en común, y en casos especiales es posible que algunos vectores diferentes de cero pertenezcan tanto a Nul A como a Col A.
http://www.fullengineeringbook.net 238 of 461.
4.2 E J EM PLO 6
Espacios nulos, espacios columna y transformaciones lineales 221
Con A como en el ejemplo 5. encuentre un vector diferente de cero en Col
A y o tro e n N u l A.
SOLUCIÓN Es fácil encontrar un vector en Col A. Cualquier columna de A lo permite, por ejemplo.
r zi -2
. Para encontrar un vector distinto de cero en Nul A. al reducir por filas
L 3j
la matriz aumentada [A
0| se obtiene
[A
0]
9 0 1 -5 0 0
0 0
Por lo tanto, si x satisface A x = 0. entonces X \ = - 9 at3. Al asignar un valor distinto de cero para x \ por ejemplo, Nul A. a saber, x » ( - 9 . 5. 1.0).
E JE M P L O 7
x2
= 5-r3. x ¡ = 0. y x$ es libre.
aj
= 1, se obtiene un vector de ■
Con A como en el ejemplo 5. sean u
a) Determine si ■ está en Nul A ¿Podría a estar en Col A? b) Determine si v está en Col A. ¿Podría v estar en Nul A?
SOLUCIÓN a)
Una descripción explícita de Nul A no es necesaria aquí. Basta con calcular el pro ducto Am.
Au =
2 4 -2 -2 -5 7 3 7
-8
Evidentemente. ■ no es una solución de A x = €l por lo que a no está en Nul A. Además, con cuatro entradas, a no podría estar en Col A. ya que Col A es un subespacio de R3. b)
Se reduce \A
v] a una forma escalonada.
[ - 22
4 -2 -5 7
3
7 -8
1 3 "I 3 -l U
[2 o
6
L° 0
3j
1 3"| -4 -2
4 -2 1 -5
0 17 1J
En este punto, es claro que la ecuación A x = v es consistente, por lo que v está en Col A. Con solo tres entradas, v no podría estar en Nul A. ya que Nul A es un subespacio de R 1. ■ La tabla de la página 222 resume lo que hemos aprendido acerca de Nul A y Col A. El punto 8 es una nueva formulación de los teoremas 11 y 12a) de la sección 1.9.
N úcleo y ran g o de u n a transform ación lineal Otros subespacios de espacios vectoriales diferentes de R Dcon frecuencia se describen en términos de una transformación lineal y no de una matriz. Con la finalidad de precisar esto, generalizamos la definición que dimos en la sección 1.8.
http://www.fullengineeringbook.net 239 of 461.
222 CAPÍTULO 4
E s p a c io s v e c to ria le s
Comparación entre Nul A y Col A para una matriz A d e m x n _________________NuM_________________ L Nul Aes un subespacio de R". t Nul Ase define implícitamente, es decir, solo estableciendo una condición [Ax = 0 que los vectores de Nul Adeben satisfacer. 3. Se necesita tiempo para encontrar vectores de Nul A. Se requiere efectuar operaciones de fila en (A 0| 4 No hay una relación evidente entre Nul Ay las entradas de A. & Un vector típico vde Nul A tiene la propiedad de que Av = O & Dado un vector especifico v. es fácil saber si v está en Nul A. Solo hay que calcular Av. 7. Nul A = <01 si y solo si la ecuación A* = O tiene solamente la solución trivial. & Nul A = {•} si y solo si la transformación li neal «»-• A* es de uno a una
DEFINICIÓN
_________________ ColA________________ 1. Col Aes un subespaclo de R". Col Ase define explícitamente, es decir, se in dea cómo construir vectores en Col A
2.
3. Es fácil encontrar vectores en Col A. Las co lumnas de Ase muestran, y las otras se forman a partir de ellas. 4 Existe una relación evidente entre Col A y las entradas de A. ya que cada columna de A está en Col A. 5l Un vector tipleo ▼en Col A tiene la propiedad de que la ecuación A* - ves consistente. ft. Dado un vector especifico v. puede tomar al gún tiempo saber si vestá en Col A. Se requle ten operaciones de fila en [A v). 7. Col A = R“ si y solo si la ecuación Ax = b tiene una solución para toda h en R*. & Col A = Rmsl y solo si la transformación ll neal x —* Axmapea R17sobre R'B.
Una traosfionnariún lineal T de un espado vectorial V en un espado vedorial W es una regla que asigna a cada vector x e n ^u n único vector T[x) en W, tal que i
7 \n + v) = 7Tre) + 7Tv)
B. 71ere) = c7I«)
para toda ■. v en V. y para toda ■ en V y todo escalar c.
0 núcleo (o ca p ad o mik» de dicha T es el conjunto de todas las ■ en V tales que 7\m) = 0 (el vector cero en IV). F.l ran g o de 7’es el conjunto de todos los vectores en W de la forma 7\x) para alguna x en V. Si ocurre que 7’surge como una transformación matridal. por ejemplo. 7\x) = A x para alguna matriz A. entonces el núcleo y la imagen de T son solo el espacio nulo y el espado columna de A. como se definió anteriormente. No es d ifidl demostrar que el núcleo de 7’es un subespado de V. La dem osíradón es. en esenria. la misma que para el teorema 2. Además, el rango de 7"es un subespado de W. Véase la figura 2 y el ejercido 30.
RGURA 2 Subespac ios asociadas con
una transformación lineal. En aplicadones. un subespado suele surgir ya sea como el núcleo, o bien, como el ran go de una tran sfo rm ad ^ lineal adecuada Por ejemplo, el conjunto de todas las soludones de una ecuación diferencial lineal homogénea resulta ser el núcleo de una transformación lineal.
http://www.fullengineeringbook.net 240 of 461.
4.2
E sp a c io s n u lo s , e sp a c io s c o lu m n a y tr a n s f o rm a c io n e s lin e a le s
223
En general, una transformación lineal de este tipo se describe en términos de una o más deri vadas de una función. Explicar esto en detalle nos llevarla demasiado lejos en este momento, por lo que consideramos solo dos ejemplos. El primero explica por qué la operación de dife renciación es una transformación lineal. E JE M P L O 8 (Requiere conocimientos de cálculo) Sea V el espacio vectorial de todas las funciones de valores reales f definidas en un intervalo [a. Z>] con la propiedad de que son diferenciables, y sus derivadas son funciones continuas en [a. />]. Sea W el espacio vec torial C\a, A] de todas las funciones continuas en [ a b], y sea D : V -* ff'la transfor mación que cambia a /e n l^en su derivada f . En cálculo, dos reglas sencillas de la diferen ciación son D (f+ /t> = D if) +
y
D icf) = cD {f)
Es decir. D es una transformación lineal. Es posible demostrar que el núcleo de D es el conjunto de las funciones oonstantes en [a. A) y el rango de D es el conjunto IVde todas las fundones continuas en [a. b]. ■ E JE M P L O 9
(Requiere conocimientos de cálculo) L aecuadón diferencial y" + «u2/ = 0.
(4)
donde o» es una constante, se utiliza para describir una variedad de sistemas físicos, tales como la vibradón de un resorte del que pende un peso, el movimiento de un péndulo, y el voltaje en un arcuito eléd rico d e in d u dancia-capaatanda El conjunto de soludones de (4) es predsamente el núdeo de la transfonmadón lineal que mapea una fundón / - f(t) en la fundón de /"(/) + Encontrar una d esoipdón ex p llata de este espado vedorial es un problema de ecuadones diferenciales. El conjunto soludón resulta ser el espado descrito en el ejercido 19 d é la secdón 4.1. ■
PROBLEMAS DE PRÁCTICA*
• I . Sea W =
: a — 3b —c = 0 j . Demuestre de dos maneras diferentes que W es
un subespado de •£
Sea A =
R3. (Utilice dos teoremas).
' - 47 - 3 51 r 2] I - 5 I, v = I 1 L-5
2 —4J
r 67i , Suponga
y w=
[ -lj
que sabe que las
L-3 J
ecuadones A x = ▼y A x = w son consistentes. ¿Qué puede decir acerca de la ecuadón A x = v + w?
4 . 2 E JE R C IC I0 S t L Determine si w
n 3 está en Nul A, donde
2 . D e te rm in e s i w =
http://www.fullengineeringbook.net 241 of 461.
n
-1
está en Nul A donde
224
CAPÍTULO 4
Espacios vectoriales
En los ejercicios 3 a 6. encuentre una descripción explícita de Nul A haciendo una lista de vectores que generan d espacio nulo. 8
2 1
4.
-3 0
8
-4 A= 0 0 Lo 0
28 Con A como en el ejercicio 18. encuentre un vector distinto d? cero en Nul A y otro en Col A
2 3
553 Sea A =
0] Oj
3 -4 -3 1 -3 1 0 0 0
n & A=
4 0] 3 —2 J
0 2 1 -5 0 0
n
0 Lo
a+b+c
z]
5 ]> —
I
1 1. Determine si w está en
Col A. ¿Está w en Nul A? °1 °
2j J
_ 24 Sea A m
n
0
'10 - 8 - 2 - 2 " 0 2 2 - 2 1 - 1 6 0 1 1 0 - 2
'2 ' 2 . Determine si w y w= 0 2
está en Col A ¿Está w en Nul A?
oj
En los ejercicios 7 a 14. utilice un teorema adecuado para demostrar que el conjunto dado. W. es un espacio vectorial, o bien, encuentre un ejemplo específico de lo contrario. 7.
a . Con A como en el ejercicio 17. encuentre un vector distinto de cero en Nul A y otro en Col A.
3-v + í
8
En los ejercidos 25 y 26. A denota una matriz de mx n. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. • 2S a) 0 espacio nulo de A es el conjunto solución de la ecuación Ax « 0 A) 0 espacio nulo de una matriz de m x nestá en R". c) 0 espacio columna de Aes el rango del mapeo x>-* Ax
1Ü
r a* b .3 a + b = c ' a + b + 2c = 2d
------ 1
«7 p — 3q = 4.v r ‘ 2p - s + 5r _í ■s - 2/ ■ 3 + 3x : s. t reales! 3í + / 2s
11.
18
1 IL9 1.
[ *P - 5fl' *<1 : p. q reales P + - s + 3/ ‘ s — 2l : s /reales 5s - l
([
Bi los ejercicios 15 y 16, encuentre A tal que el conjunto dado sea Col A. 2j r-x 3r 2r -
1
+ / + 2/ +s s-l
: r. s>/reales
b —c 2b + 3d b + 3c — 3d c +d
18
la
: b, c t/reales
20. A = [1
6
I -3
2 0
t) Col A es el conjunto de todos los vectores que se pueden escribir como Ax para alguna x. • a a a) Un espacio nulo es un espacio vectorial. A) 0 espacio columna de una matriz de m x nestá en R*. «i Cal Aes el conjunto de todas las soluciones de Ax = b d) Nul Aes el núcleo del mapeo x -* Ax é) 0 rango de una transformación lineal es un espacio vectorial. f) 0 conjunto de todas las soluciones de una ecuación dife rencial lineal homogénea es el núcleo de una transformación lineal.
Xi - 3xj - 3xs = 0 -2 x , + 4x2 + 2x3 = 0
' 6 —4" 2 -3 -9 6 9 -« J a
é) El núcleo de una transformación lineal es un espacio vectorial.
• 27. Es posible demostrar que una solución del sistema que se mues tra a continuación es ■ 3. # ■ 2. y $ - —1. Con base en este hecho y en la teoría de esta sección, explique por qué otra solución es Ti - 30. % - 20. y x¡ • -10. (Observe cómo están relacionadas las soluciones, pero no realice otros cálculos).
Para las matrices de los ejercicios 17 a 20. a) encuentre k tal que Nul A sea un subespacio de R* y encuentre k tal que Col A sea un subespaclo de R*.
17.
d) Sí la ecuación Ax = bes consistente, entonces Col A es ¡Rm.
-5 ]
—X| + 5X2 + 7X3 = 0 • 28 Considere los siguientes dos sistemas de ecuaciones:
'5 - 2 3* -1 0 -1 18 A = 0 -2 -2 -5 7 2_
5X| + -9 x i + 4xi +
0 o
Es posible demostrar que el primer sistema tiene una solución. Con basp en este hecho y en la teoría de esta sección, explique por qué el segundo sistema también debe tener una solución. (No realice operaciones de fila).
]
X2 - 3X3 = 0 2x2 + 5x3 = 1 Xj - 6x3 = 9
http://www.fullengineeringbook.net 242 of 461.
5xj + X2 - 3X3 = 0 -9 x i + 2xj + 5xs = 5 4xi + X2 - 6x 3 = 45
4.2
Espacios nulos, espacios columna y transformaciones lineales 225
* 2 3 Demuestre el teorema 3 de la siguiente manera: dada una matriz >1de m x a un elemento de Col A tiene la forma /txpara alguna «en R". Sean A xy /Iwdos vectores cualesquiera en Col A a) Explique por qué el vector cero está en Col A b) Demuestre que el vector Ax + /lwestá en Col A. c) Dado un escalar c, demuestre que cfAtf está en Col A 3 3 Sea T : V—* Ifuna transformación lineal de un espacio vectorial y en un espacio vectorial W. Demuestre que el rango de Tes un subespaclo de W. [Sugerencia: Considere que los elementos típicos del rango tienen la forma T[x) y 7fw) para alguna «. w en V}. 31. Defina T : P 2 -♦ ¡R2 mediante
ÍT(p) = ^p(^) J' ^or eJemPÍ°-
37. (M) Determine si westá en el espado columna de A enelespa do nulo de A o en ambos, donde, '
r
1 . -1 -3
‘ 7 6 -4 1' 0 -2 -5 A= 9 -II 7 -3 19 - 9 7 1
pacio nulo de A o en ambos, donde.
a) Demuestre que 7es una transformación lineal. [Sugerencia: Para polinomios arbitrarlos p q en P7. calcule 7fp + q)
y7T<*lb) Encuentre un polinomio p en P2 que genere el núcleo de T y describa el rango de T.
33 Defina una transformación lineal r : P 7 —* R? medíante
j. Determine los polinomios p
33 Dada T: V-> IVcomo en el ejercicio 35. y dado un subespa do Z de W, sea Ue1conjunto de todas las «en Viales que 7Í«) está en Z Demuestre que Ues un subespaclo de V.
33 (MJ Determine si westá en el espacio columna de A, en el es
slp(i) = 3 + 51+ Té, entonces T (p) = f 15 J'
7'(p) =
33 Sean Vy despacios vectoriales, y sea T : V-+ W una trans formación lineal. Dado un subespaclo U de V. sea 7XÍ» el conjunto de todas las Imágenes de la forma 7[x). donde «está en U. Demuestre que T\U) es un subespaclo de W.
y p en P? que
g*neran el núcleo de T. y describa el rango de T. 33 Sea A/2x2el espacio vectorial de todas las matrices de 2 x 2. y defina T : -►A£»2 mediante 7\A) = A + Ar, donde
a) Demuestre que Tes una transformación lineal. b) Sea ^cualquier elemento de A£x2 tal que f f - B.Determine una A en Afc»? tal que T\A) = B. d Demuestre que el rango de 7es el conjunto de Ben con la propiedad de que l? - B. di Describa el núcleo de T.
34 (¿5? requiere cálculd) Defina a T : C|0. I] -» C[0. 1] como sigue: Para f en CJ0, 1J. sea 711) la antiderivada F de f tal que F(0) = 0. Demuestre que 7es una transformación lineal, y describa el núcleo de T. (Véase la notación en el ejercicio 20 de la sección 4.1).
‘ -8 5 -2 0‘ -5 2 1 -2 A =» 10 - 8 6 -3 3 - 2 1 0
'1* 2 w= . 1 0
33 (M| Considere que a,.... a, denotan las columnas de la ma triz A donde ‘5 3 8 2
1 3 4 1
2 2 0‘ 2 -1 -12 4 -5 12 1 0 -2
a) Explique por qué
y ^ están en el espacio columna de
d) Encuentre un conjunto de vectores que genere a Nul A. c) Sea T: R5 -* ¡R4 definida por I\ m) ~ A x Explique por qué 7"no es uno a uno ni sobre.
43 (M| Sea / / = Gen {▼,.
y K = Gen
«*}. donde
Entonces. H y K son subespaclos de IR1. De hecho, H y K son planos en R3 que pasan por el origen, y que se cruzan en una tecla que pasa por 3 Encuentre un vectorw distinto de cero que g?nere esa recta. [Sugerencia: wse puede escribir como o*i + q «2 y también como q *3 + r<*4. Rara coastruir w. resuelva la ecuación o* 1 + ogn = CsTi + CM para las Incógnitas Cy(.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Primer método: i-Ves un subespado de R ' de acuerdo con el teorema 2, ya que IVes el conjunto de todas las soluciones de un sistema de ecuaciones lineales homogéneas (donde el sistema solamente tiene una ecuación). De manera equivalente, W es el es pacio nulo de la matriz de 1 x 3. A = [ 1 - 3 - 1 ] .
http://www.fullengineeringbook.net 243 of 461.
226
CAPÍTULO 4
Espacios vectoriales Segundo método: Resuelva la ecuación a - 3b - c = 0 para la variable principal a en términos de las variables libres b y c Cualquier solución tiene la forma
3 ¿> + c" b . donde c
¿ y e s ó n arbitrarlas, y 1” 3b + c~ L
*> c
= h J
■r 3" 1 + c 0 0 1 t
t
»l
V1
Este cálculo muestra que W = G en {▼,, vs}. Por lo tanto. PPes un subespacio de R 3 de acuerdo con el teorema 1. También se podría despejar b o ed e la ecuación a - 3b c = 0 y obtener descripciones alternativas de W como un conjunto de combinaciones lineales de dos vectores.
2
4.3
'lánto v como w están en Col A. Ya que Col A es un espacio vectorial, en Col A. Es decir, la ecuación A x = v + w es consistente.
v + wdebe estar
CONJUNTOS UNEALMENTE INDEPENDIENTES; BASES En esta sección identificaremos y estudiaremos los subgrupos que generan un espacio vec torial V o un subespacio / /t a n ‘eficientemente’ como sea posible. La idea clave es la de independencia lineal, definida como en R". Se dice que un conjunto indexado de vectores {vi..... vp} en Pes I w a h n m te indepen(Benfesi la ecuación vectorial C|V| +CJV2
+
-‘ - + C pVp
=0
(1)
tiene solamente la solución trivial. Cj = 0......cp = O.1 Se dice que el conjunto {v t..... vP} es lineal m ente dependientes i ( 1) tiene una solución no trivial, es decir, si hay algunos pesos. c\......Cp, no todos cero, tales que la ecuación ( 1) sea váli da. En tal caso, la ecuación (1) se llama una relación d e dependencia Enm l entre ^ ..... Al igual que en R". un conjunto que contiene un único vector v e s linealmente indepen diente si y solo si v * 0. Además, un conjunto de dos vectores es linealmente dependiente si y solo si uno de los vectores es un múltiplo del otro. Y cualquier conjunto que contenga al vector cero es linealmente dependiente. El siguiente teorema tiene la misma demostración que el teorema 7 de la sección 1.7. TE0REMA4
Un conjunto indexado {vj......xp} de dos o más vectores, con v, * 0. e s linealmente dependiente si y solo si alguna rj (conj > 1) es una combinación lineal de los vectores anteriores, vi......x j-\. La principal diferencia entre la dependencia lineal en W" y en un espacio vectorial ge neral es que cuando los vectores no son ^adas. la ecuación homogénea ( 1). por lo general, no se puede escribir como un sistema de n ecuaciones lineales. Es decir, los vectores no se pueden convertir en las columnas de una matriz A con la finalidad de estudiar la ecuación A x = O En vez de ello, debemos utilizar la definición de dependencia lineal y el teorema 4. E JE M P L O 1 Sea p,(/) = 1. p¿(f) = t y =4 mente dependiente en P debido a p = 4pi - p 2 1 E s convenirte rtlllz a r capitulo I.
Entonces, {pi. pj. P 3} es lineal ■
cf en la ecuación (1) para ios escabies en vez de ..... j¡*como lo hicim os en el
http://www.fullengineeringbook.net 244 of 461.
4.3
Conjuntos llnealmente independientes: bases 2 2 7
EJEMPLO 2 El conjunto {sen /, eos /} es linealmente independiente en C\0, 1], el espa d o de todas las fundones continuas e n O s / s 1, porque sen / y eos /no son múltiplos entre si com o vectores en C \0. 1). Es decir, no hay escalar ctal que oos / = c • sen / para toda /en [0, 1|. (Véase las gráficas de son /y eos /). Sin embargo, {sen / eos l sen 2/} es linealmente dependiente debido a la identidad: sen 2 / = 2 sen / eos /, para toda /. ■ DEFI NI CI ÓN
Sea H un subespado de un espado vedorial V Un conjunto Indexado de vectores B = {ki..... b p} en V es una haaede H si L B es un conjunto lineal mente independiente, y i . el subespado generado por B coinade con H. es dedr, H = Gen {bj.....
La definición de una base se aplica al caso en que H = V, ya que cualquier espacio vedorial es un subespado de si mismo. Asi, una base de Pes un conjunto linealmente inde pendiente que genera a V Observe que cuando H * K la condidón H incluye el requisito de que cada uno de los vedores b ,..... \ debe pertenecer a H. porque Gen {b,...... con tiene a b i, b/h como se muestra en la sección 4.1.
E J E M P L O 3 Sea A una matriz invertible de n x n. por ejemplo. A = {«i** ^.Entonces, las columnas de A forman una base para R". ya que son linealmente independientes y gene ran a R", por el teorema de la matriz invertible. ■ EJEMPLO 4
Sean «i.....e* las columnas de la matriz identidad 7„de n x //. Es decir. r
"0" 1
0 ei =
:
.
ej =
0
•
■
............
e« =
0
0 1
El conjunto {*j.....«*,} se llama la base estándar para R" (figura 1).
EJEMPLO 5
Determine si {vj. v2. v3)
Sean
FIGURA 1
1.a base estándar para RJ.
es una base para R3. SOLUCIÓN Puesto que hay exadamente tres vedores aquí en R3. se puede utilizar cual quiera de los diversos métodos para determinar si la matriz A = jv] v2*3 ] es invertible. Por ejemplo, dos remplazos de fila revelan que A tiene tres posidones pivote. Por lo tanto. A es invertible. Como en el ejemplo 3, las columnas de A forman una base para R3. ■ E JE M P L O 6 Sea 5 = {1. ¿ /*..... Z71}. Compruebe que5es una base para P „ Esta base se llama la base estándar para P„.
SOLUCIÓN Sin duda. 5 genera a P» Para demostrar que Ses llnealmente Independiente, suponga que cflsatisfacen 09
• 1 + cií +
c t f2 + -- 1- c„ t" =
0(/)
(2)
Esta igualdad significa que el polinomio de la izquierda tiene los mismos valores que el polinomio cero de la derecha. Un teorema fundamental del álgebra dice que el único polinomio
http://www.fullengineeringbook.net 245 of 461.
228 CAPÍTULO 4
E s p a c io s v e c to ria le s
en P„. con más de n ceros es el polinomio cero. Es decir, la ecuación (2) se cumple para to das las / solo si q> = ••• = ci, = 0. Esto demuestra que 5 es linealmente independiente y. por lo tanto, es una base para P„ Véase la figura 2. ■ Problemas relacionados con la Independencia lineal y la generación en P „ s e manejan mejor con una técnica que se analizará en la sección 4.4.
El teorem a del conjunto g e n erad o r Como se verá, una base es un ‘eficiente* conjunto generador que no contiene vectores inne cesarios. De hecho, una base se construye a partir de un conjunto generador descartando los vectores innecesarios. E JE M P L O 7
FIGURA 2
Sean
La base estándar para P 2. / / = G en {▼!, v2, V3}. Considere que y? = 5vi + 3v2. y demuestre que Gen {vi. v?. V3} = Gen {vi, V2}. Luego, encuentre una base para el subespacio H. SOLUCIÓN Cada vector en Gen {vi, vz) pertenece a ¿/porque
c,v, + c 2v7 =C,V, +C2Vj + 0Vj
*2
Ahora sea x cualquier vector en H, por ejemplo, x = CiVi + csv2 + v3 = 5v, + 3* 2. podemos sustituir
Puesto que
x = civi + c i v 2 + Cj (5 vi + 3v 2)
= (ci + 5 c3) vi + (c 2 + 3c3)v2
1
Asi. x está en Gen {vi, vz}. por lo que cada vector en H ya pertenece a Gen {vi, y?}. Llega mos a la conclusión de que H y Gen {vi, *?} en realidad son el mismo conjunto de vectores. De lo que se deduce que {▼,. v2} es una base de H. ya que {vi. V2} es. sin duda, linealmente independiente. ■ 0
TEOREMA 5
siguiente teorema generaliza el ejemplo 7.
El teorema del conjunto generador Sea S = {vi......Vp} un conjunto en V, y sea H = G en {vi.......xp). a) Si uno de los vectores de S, por ejemplo v*. es una combinación lineal de los vectores restantes en S. entonces el conjunto formado a partir de S al eliminar v* aún genera a H. b) SI H * {#h algún subconjunto de 5 e s una base para H.
DEMOSTRACIÓN a)
Al reordenar la lista de vectores en S. si es necesario, podemos suponer que oombinación lineal de t i ......v ^ j . por ejemplo. Vp = f l | V | +
es una (3)
Dada cualquier x en H, podemos escribir
x = <*iv, +*-* + c#,_|Vp_, + c pv p
(4)
para escalares adecuados q ...... Cp. Sustituyendo la expresión para rp de la ecuación (3) en (4), es fácil ver que x es una combinación lineal de v ,...Por lo tanto, {v ,......vp . j} genera a H, ya que x c s un elemento arbitrario de H.
http://www.fullengineeringbook.net 246 of 461.
4.3
C o n ju n to s lln e a lm e n te in d e p e n d ie n te s : b a s e s
229
b) S el conjunto generador original S e s linealmente independiente, entonces ya es una base para H. De lo contrario, uno de los vectores de Sdepende de los demás y se puede elim i nar, de acuerdo con el inciso a). Siempre y cuando haya dos o más vectores en el conjunto generado, podemos repetir el proceso hasta que el conjunto generador sea linealmente independiente y. por lo tanto, sea una base para H. Si el conjunto generador finalmente se reduce a un vector, esc vector será distinto de cero (y, por lo tanto, llnealmente indepen diente) . ya que / / * {O-. ■
Bases para N u M y C oM Ya sabemos cómo encontrar los vectores que generan el espacio nulo de una matriz A. El análisis de la sección 4.2 indicó que nuestro método siempre produce un conjunto lineal mente independiente cuando Nul A contiene vectores distintos de cero. Por lo tanto, en este caso, ese método produce una Aa»? para Nul A. l.os dos ejemplos siguientes describen un sencillo algoritmo que permite encontrar una base para el espacio columna. E J EM PLO 8
Encuentre una base para Col B, donde
B = [b ,
b2
2 0 1 -1 0 0 0 0
4
1 0 0 0
0 0 0
0 0 1 0
SOLUCIÓN Cada columna que no es pivote d e B es una combinación lineal de las columnas pivote. De hecho, = 4b, y b t = 2b, - b .. De acuerdo con el teorema del conjunto genera dor, podemos descartar a b¿ y b,, y {bi. b j, b*} aún generará a Col B. Sea 0
1 0
S = {b 1. b 3.b 5> =
0
I •
0 0
0 •
0
1
0
0
Ya que b t # 0 y ningún vector en S e s una combinación lineal de los vectores que lo preceden, 5 es linealmente Independiente (teorema 4). Por lo tanto, S e s una base de Col B. ■ ¿Qué pasa con una matriz A que no está en forma escalonada reducida? Recuerde que toda relación de dependencia lineal entre las columnas de A se puede expresar en la forma Ax. - 0. donde * e s una columna de pesos. (Si algunas columnas no están implicadas en una relación de dependencia en particular, entonces sus pesos son iguales a cero). Cuando A se reduce por filas a una matriz B, las columnas de B con frecuencia son totalmente diferentes de las columnas de A. Sin embargo, las ecuaciones A x = y fíx = tienen exactamente el mismo conjunto de soluciones. Si A = | a ••• 4 , |y B = ¡b , ••• b,,]. entonces las ecuacio nes vectoriales
O
X|8| + •••+
x
„b „ = 0
y
O
x , b , + ••• + x ñb„ = 0
también tienen el mismo conjunto de soluciones. Es decir, las columnas de A tienen exacta mente la misma relación de dependencia lineal<\w las columnas de B. E JE M P L O 9
Es posible demostrar que la matriz
1
4
3
12 8 20
2 5
0 1
2 -1
I
5 3
2
8
5
2 8
es equivalente por filas a la matriz fldel ejemplo 8. Encuentre una base para Col A.
http://www.fullengineeringbook.net 247 of 461.
230
CAPÍTULO 4
E s p a c io s v e c to ria le s
SOLUCIÓN En el ejemplo 8 vimos que b ’ = 4b|
y
b 4 = 2b i —b j
y
a4 = 2 a ,-a ,
por lo que podemos esperar que
®2 = 4a,
¡Compruebe que este es el casol Por lo tanto, podemos descartar a y a, cuando seleccio namos un conjunto generador mínimo de Col A. En efecto, {ai. *>. *,} debe ser lineal mente independiente porque cualquier relación de dependencia lineal entre aj. as. as implicarla una relación de dependencia lineal entre k ,. kj. ks. Pero sabemos que {k|. k-j. ks) es un conjunto linealmente independiente. Por lo tanto, {ai. a>,. m } es una base para Col A. Las columnas que se han utilizado para esta base son las columnas pivote de A. ■ Los ejemplos 8 y 9 ilustran el siguiente hecho que resulta de utilidad. TE0REMA6
Las columnas pivote de una matriz A forman una base para Col A.
DEMOSTRACIÓN La demostración general utiliza los argumentos analizados antes. Sea 51a forma escalonada reducida de A. El conjunto de columnas pivote de B es linealmente independiente, pues ningún vector del conjunto es una combinación lineal de los vectores que le preceden. Puesto que A es equivalente por filas, también las columnas pivote de A son linealmente independientes, ya que cualquier relación de dependencia lineal entre las co lumnas de A corresponde a una relación de dependencia lineal entre las columnas de B. Por esta misma razón, todas las columnas que no sean pivote de A son una combinación lineal de las columnas pivote de A. Así. las columnas de A que no son pivote se pueden descar tar del conjunto generador de Col A. de acuerdo con el teorema del conjunto generador. Esto deja a las columnas pivote de A como base para Col A. ■ A á m tm d m l^ s columnas pivote de un matriz A son evidentes cuando A se ha reducido solamente a la forma escalonada. Sin embargo, tenga cuidado al usar las columnas pivote de la misma A como la base de Col A. Ijjs operaciones de fila pueden cambiar el espacio colum na de una matriz. Las columnas de una forma escalonada B de A con frecuencia no están en el espacio columna de A. Por ejemplo, todas las columnas de la matriz B en el ejemplo 8 tienen ceros en sus últimas entradas, por lo que no pueden generar el espacio columna de la matriz A en el ejemplo 9.
Dos perspectivas de u n a base Cuando se usa el teorema del conjunto generador, la eliminación de los vectores de un con junto generador se debe detener cuando el conjunto se convierte en lineal mente independiente. Si se elimina un vector adicional, no será una combinación lineal de los vectores restantes y. por lo tanto, el conjunto más pequeño ya no generará a V. Así. una base es un conjunto generador que es lo más pequeño posible. Una base también es un conjunto linealmente Independiente lo más grande posible. Si S es una base para V, y si 5 se amplía con un vector (por ejemplo, w) de V, entonces el nuevo conjunto no puede ser linealmente independiente, ya que S genera a V, y w es, por lo tanto, una combinación lineal de los elementos en 5.
EJ EM PLO 1 0 Los siguientes tres conjuntos de R3 muestran cómo se puede ampliar un conjunto linealmente independiente a una base y cómo esta ampliación adicional destruye la independencia lineal del conjunto. Además, un conjunto generador se puede reducir a una http://www.fullengineeringbook.net 248 of 461.
4.3
C o n ju n to s lln e a lm e n te in d e p e n d ie n te s : b a s e s
231
base, pero una reducción adicional destruye la propiedad de generación. í
1 0 0
2 3 0
1 0 , 0
(
Linealmente independiente. pero no genera a R3
2 3 0
4 5 6
]
2 3 0
1 0 0
|
Una base para R3
4 5 6
7 * 8 9
Genera a ¡R3. p ro es llnealmente dependiente
PROBLEMAS DE PRÁCTICA
1. Sea
-R ]y-[i]
Determine si {¥lf v2} es una base para R3. ¿Es {Ti, ¥3 }
una base para R2?
2. Sea
T,=["!}vi'[-i!Ts=["i]yy,=[i]
Determine una base para
el subespacio W generado por {▼]. v2. *3 . v4}. &
combinación lineal de vi y vz porque s s 0
T = s
0 0
'0 ' 1 0
+ s
¿Es {vi. **} una base para H?
4 .3 E JE R C IC IO S 1" Determine si los conjuntos de los ejercicios i a 8 son bases para R3. De los conjuntos que no son bases, determine cuáles son linealmente independientes y cuáles generan a R3. Justifique sus respuestas.
Encuentre las bases para los espacios nulos de las matrices en los ejercicios 9 y 10. Consulte los comentarlos que siguen el ejemplo 3 en la sección 4.2. a
0 -2 - 2" 1 4 0 1 1 3 3 -1 -7
1 -2 1 5* 1 0 -1 - 2 0 -8 0 16
P 1Q
0 Lo
11.
Encuentre una base para el conjunto de vectores en ¡R3 en el plano x 3 / + 2z * 0. [Sugerencia: Piense en la ecuación como en un "sistema* de ecuaciones homogéneas). 12. Encuentre una base para el conjunto de vectores de Rz en la lecta/ = - Z x Eh los ejercicios 13 y 14. suponga que A es equivalente por filas a B. Fncuentre las bases de Nul A y Col A
[- 22 -46 -- 23 -3
8
2
http://www.fullengineeringbook.net 249 of 461.
4 ] 1 . -3j
=
f 1 0
0 2
6 5
5' 3
[O
0
0
0
232
CAPÍTULO 4
1 1 2
2 2
3
6 2 0 0 0
E s p a c io s v e c to ria le s
4 -3
:1 0 0 0
*t t
8" 2 8 10 9 6 9 2 5~ -6 3 0 -7 0 0
3 -4
0 0 0 3
0 0
Sí un conjunto finito Sde vectores diferentes de cero genera m espacio vectorial V. entonces algún subconjunto de 5 es nía base para V. c) Una base es un conjunto línealmente independíente que es lo más grande posible. ii El método estándar para la obtención de un conjunto gene rador para Nul A, que se describe en la sección 4.2. a veces falla al producir una base para Nul A.
En los ejercicios 15 a 18, determine una base para el espacio genera do por los vectores V|.....dados. ■ r
-2 2 • -8
0
-2
' 2"
0 1 •
3
3
' 2" -1 •
10
-1
-6
* 23 Suponga que R4- Gen {V1....V 4}. Explique por qué {*i.....»«} es una base para R4.
9
3
0
e) Si fíes una forma escalonada de una matriz A, entonces las columnas pivote de fí forman una base para Col A.
’ 3 •
* 61 Sea B = {vi, un conjunto llnealmente independiente en R". Explique por qué B debe ser una base para UT.
1 "—2" ' 3" ' 5 ” ‘ 2 ' 0 0 -1 -3 -1 0 * 0 * 1 • 3 * 1 2 -4 0 1 -1 4 0 2 , -4 4
' 2' 0 17. [M] -4 • -ó 0 3’ 1& [MI
‘ 0‘
0
2
6 -2
—4
-1 4
0 -1
0
,
-9
0 6
-7
■4i -3
. v*“
T
0 -1 0
-2 -5
. v2 =
r 'i
9 I. v» =
2
r 71
11 L y también sea
4
' y
1 y sea H el conjunto 0
para cualquier s y /. ¿Es {▼,. v?. *j) una base para //? ¿Porqué? 23 Bi el espacio vectorial de todas las funciones de valores reales, encuentre una base para el subespacio generado por {sen /. sen 2/,sen reos/}.
27
2tt Sea V] =
'o '
1 . v, = 1
- 6" 3
13
'4 ' 3
’o '
de vectores en R 3cujas segunda y tercera entradas son Iguales. Entonces, todo vector de //tiene una expansión única como una combinación lineal de vj. « i porque
H = Gen {*i, ▼?. Ts}. Es posible comprobar que 4*i + b*i - O Utilice esta información para encontrar una base para H. Hay más de una respuesta. ‘ 3' 4
0 . vi = 1
*2& Sea vi
8" ' - 8 ' 4 4 8 , 0 0 -3 15 1
' 3*
2 6 , 0
lf t Sea vi
—2* -4 0 , 1 -7
a) Un conjunto linealmente Independiente en un subespaclo H es una base para H
=
2' 5 —6 -14
Es posible
comprobar que 2vi - v? — n = O Utilice esta información para encontrar una base para H - Gen {vi. *i. vj). En los ejercicios 21 y 22. marque cada enunciado como verdadero o falso. Justifique sus respuestas. 21. a) Un solo vector por si mismo es llnealmente dependiente. d) Si H - Gen {k-.....k^,}. entonces (k |.......k,,} es una base para H. c) Las columnas de una matriz Invertible de n x n forman una base para R". Una base es un conjunto generador que es tan grande como sea posible. e) En algunos casos, las relaciones de dependencia lineal entre las columnas de una matriz se pueden ver afectadas por al gunas operaciones elementales de fila en la matriz.
Sea Peí espacio vectorial de funciones que describen la vibra ción de un sLstema masa-resorte. (Consulte el ejercicio 19 de la sección 4.1). Encuentre una hase para V.
2K (Circuito R LQ El circuito de la figura consiste en una resisten d a (R ohms), un inductor (i, henrys), un condensador (C, farads), y una fuente de voltaje inicial. Sea b ■ fí/(2¿). y suponga que R L y Cse han seleccionado de manera que b también es igual a f-jLC. (Esto se hace, por ejemplo, cuando el circuito se utiliza en un voltímetro). Sea u(t) el voltaje (en volts) en el tiempo t, medido a través del condensador. Es posible demostrar que v está en el espacio nulo H de la transformación lineal que mapea t/(l) en Lvn{t) + Rv’(t) + (I/C )v (r),y //se compone de todas las funciones de la forma u(t) - e~b,(ci + Cit,). Encuen ere una base para //.
I
•AV
R
L ------ 'WWCÍf'Los ejercicios 29 y 30 indican que cada base de UTdebe contener exactamente nvectores.
http://www.fullengineeringbook.net 250 of 461.
4.3 Conjuntos llnealmente independientes: bases 233 2 a Sea .9= {vi.....Vi} un conjunto de ¿vectores en R", con * < n. Utilice un teorema de la sección 1.4 para explicar por qué S no puede ser una base para R" 3Q Sea .9 = {vi..... v*} un conjunto de k vectores en R". con k > n Utilice un teorema del capítulo 1 para explicar por qué .9no puede ser una base para R". Los ejercicios 31 y 32 revelan una importante conexión entre la in dependencia lineal y las transformaciones lineales, y le permiten practicar el uso de la definición de dependencia lineal. Sean Vy W espacios vectoriales, sea T: V-* IVuna transformación lineal, y sea {▼i.....»,} unsubconjuntode V. 31. Demuestre que si es linealmente dependiente en V. entonces el conjunto de Imágenes. (7{vi)..... 71*^,)} es ll realmente dependiente en W. Este hecho demuestra que si una transformación lineal mapea un conjunto {vi.....en un con Junto llnealmente independíenle {7Wi)..... 7fy)}, entonces el conjunto original es linealmente independiente también (porque no puede ser llnealmente dependiente). 32 Suponga que Tes una transformación uno a uno. de modo que la ecuación 7Tu> = 71» siempre implica que o = v. Demuestre que si el conjunto de Imágenes {7tvi)..... TtyO} es llnealmente dependiente, entonces {vi.....wp) es linealmente dependiente. Este hecho demuestra que una transformación linea1uno a uno mapea un conjunto linealmente independiente sobre un conjun to linealmente independiente (porque en este caso el conjunto (fe las Imágenes no puede ser llnealmente dependiente). 33 Considere los polinomios pi(/) = 1 + t2 y |M/) = 1 - r2. ¿Es { * . pt} un conjunto linealmente Independiente en IPj? ¿Porqué?
dependencia lineal entre p¡, p¡ y p 3. Después encuentre una base para Cen {p„ p-, p,}. 35l Sea V un espacio vectorial que contiene un conjunto linealmen le independiente {n:. n . n u¡}. Explique cómo construir un conjunto de vectores {v¡.v?.V3. v<}en Pial que {vj. vjjsea una hase para Gen {vi. va. v4).
32 [MI Sea H = Gen {o,, i*. 03) y K = Gen (vi, donde
Fncuentre las bases para H .K y H + K. (Véase los ejercicios 33 y 34 en la sección 4.1).
37 [M] Demuestre que {t sen t eos 2 t sen / eos /} es un con Junto linealmente independiente de funciones definidas en R Comience suponiendo que • t + c¡-se n r + q -eos2/ + c»-sen reos /«= 0 (5) La ecuación (5) debe ser válida para toda /real, asi que elija varios valores específicos de / (es decir. / - 0 .. 1. .2) Insta ob lener un sistema de ecuaciones suficientes para determinar que todas las Cj deben ser cero.
cí
32 [MI Demuestre que (1. eos /. eos2/,.... eos6/} es un conjunto llnealmente independiente de funciones definidas en R. Utilice el método del ejercicio 37. (Este resultado se necesitará en el ejercido 34 de la sección 4.5).
3 4 Considere los polinomios pi(J) ■ 1 + /, p¿(/> — I — ¿ y Pj (/) = 2 (para toda f). Por inspección, escriba una relación de
[ WEB
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA ¥ 2). Las operariones de Fila muestran que
1. Sea A = [vi
A =
1 -2 3
-2 " n 7 M 0 -9 Lo
- 2i
3
oj
No todas las Filas de A contienen una posición pivote. De manera que las columnas de A no generan a R 3. de acuerdo con el teorema 4 de la sección 1.4. Por lo tanto, { t j . v 2} no es una base para R 3. Ya que \i y no están en R2. no pueden ser la base de R 2. Sin embargo, puesto que es evidente que vi y *2 son linealmente independientes, son una base para un subespado de R3. a saber. Gen {V|. v¿}. 2
Construya una matriz cuyo espacio columna sea el espado generado por {vi. v& va, v4}. y después reduzca por Filas a A para encontrar sus columnas pivote. 2 -4 ' 6 2 2 -8 -3 1 3 9 L 4 r
1
6 2 -4 ' '1 4 -2 0 0 20 0 -2 5 -5 25 j
http://www.fullengineeringbook.net 251 of 461.
'1 0 0
6 5 0
2 -4 ' 1 -5 0 0
234
CAPÍTULO 4
E s p a c io s v e c to ria le s
Las dos primeras columnas de A son las columnas pivote y. por consiguiente, forman una base de Col A = W. Por lo tanto, {vi. v?} es una base para ÍV Observe que no se necesita la forma escalonada reducida de A para localizar las columnas pivote, i
4 .4
Ni vi ni están en H, por lo que {vi. v?} no puede ser una base para H. De hecho, {▼i. v¿} es una base para el planode todos los vectores de la forma (cj. <5.0). pero H es solo una recta.
SISTEMAS DE COORDENADAS Una razón importante para especificar una base B para un espacio vectorial V es imponer un "sistema de coordenadas* en V. En esta sección se mostrará que si B contiene n vectores, entonces el sistema de coordenadas hará que Kactúe como R". Si Ves ya R"mismo. entonces B determinará un sistema de coordenadas que da una nueva perspectiva a V. La existencia de sistemas de coordenadas se basa en el siguiente resultado fundamental.
TEOREMA 7
Teorema d e la representación única Sea B = i b ..... bn) una base para un espacio vectorial V Así. para cada x e n V. existe un conjunto único de escalares Cj..... cfltal que X = C |b| + “ • + Crkn
(1)
DEMOSTRACIÓN Puesto que B genera a V existen escalares tales que la ecuación (1) es válida. Suponga que x también tiene la representación x = d|bi + • • • + dnb„ para escalares d\......d„. Así, al restar, se tiene 0 = x - x = (C| - ,)b, + ••• + « • „ - ,/*)b„
(2)
Puesto que B es lineal mente independiente, los pesos en la ecuación (2) deben ser cero. Es decir. Cj= dj para ! < _ / < « . ■
DEFINICIÓN
Suponga que B = {bi..... b„} es una base para l'y q u e x está en V Las a « r denada» d e x respecto d e la b a se B (o las B -coordenadas d e x) son los pesos q ......c„ tales que x = c,b, + — + c„b*
Si c,......c„son las B-coordenadas de x, entonces el vector en R"
es el vector «le coordenadas de x (respecto de 6), o el vector de B - c® El mapeo x w [ x ] y esel m^seo de coordenadas (determinado por B).1
dex
1 F1 concepto de un mapeo de coordenadas supone que b base 5 es un conjunto Indexado cuyos vectores se listan en un orden fijo asignado conantertorldad. Roa propiedad hace que la definición de [ x ]B no sea ambigua
http://www.fullengineeringbook.net 252 of 461.
4.4 Sistemas de coordenadas 235
E JE M P L O
1
Considere una base B
—{bi. b2} para R2. donde b| = ^ y j y b j =
Supongamos que una x e n R 2 tiene el vector de coordenadas ( x )B =
"3 j Determine x.
SOLUCIÓN l^as coordenadas B de x nos dicen cómo construir x a partir de los vectores en B. Es decir.
« = (-2)b, + 3 b := (-2 )[¿ ] + 3 [ ‘ ] = [ ¿ ] E JE M P L O 2
■
Las entradas en el vector x = ^ j son las coordenadas de x respecto de
la base estándar £ = {ei ,e?}. yaque
M=,'[y+6[?]=,"+6*! Si £ = { d .e 2}. entonces [x]f = x.
■
U na interpretación gráfica de coordenadas Un sistema de coordenadas en un conjunto se compone de un mapeo uno a uno de los pun tos en el conjunto dentro de R". Por ejemplo, el papel común para gráficas proporciona un sistema de coordenadas del plano cuando se seleccionan ejes perpendiculares y una unidad de medida en cada eje. La figura 1 muestra la base estándar {*1. e¡}. los vectores bi (= «0 y del ejemplo 1 . y del vector x = £ *j. I.as coordenadas 1 y 6 dan la ubicación de respecto de la base estándar: 1 unidad en la dirección e* y 6 unidades en la dirección La figura 2 muestra los vectores b,. b , y x d e la figura 1. (Desde el punto de vista geo métrico. los tres vectores se encuentran en una recta vertical en ambas figuras). Sin embar go. el sistema de coordenadas estándar se borró y se remplazó por una malla especialmente adaptada a la base B del ejemplo 1. El vector de coordenadas [ x ] de x en este nuevo sistema de coordenadas: - 2 unidades en la dirección la dirección b?.
RGIIRA 1 ftipel cuadriculado estándar.
da la ubicación
b¡ y 3 unidades en
FIGURA 2
fttpe! para gráficas B.
E JE M P L O 3 En cristalografía, la descripción de una red cristalina se mejora eligiendo una base {■. v. w) para R 3 que corresponda a tres aristas adyacentes de una 'celda unitaria' del cristal. Se construye una red entera apilando muchas copias de una sola celda Hay 14 tipos básicos de celdas unitarias; en la figura 3. se muestran tres .2 2 Adaptado de The Science and Rnglneering oí Materials, 4a edición, por Donald R Askeland (Boston: Prtndle, Vteber & Schmkti O 2002). p. 36.
http://www.fullengineeringbook.net 253 of 461.
236
CAPÍTULO 4
Espacios vectoriales
ti
4 Qjblca centrada en d cuerpo
Vbnoclinlca simple rgura
4
Ononómbtca centrada en la cara
3 Ejemplos de celdas unitarias.
Las coordenadas de los Atomos dentro del cristal están dadas respecto de la base de la red. Por ejemplo. '1 / 2 ' 1/2
1 identifica el átomo centrado en la cara superior de la celda en la figura 3 c).
■
C oordenadas en R" Cuando una base B para Wn está fija, el vector de coordenadas B de una x dada es fácil de determinar, como se muestra en el siguiente ejemplo. E JE M P L O 4
{ki. b?}. Determine el
Sean b,
vector de coordenadas [ x ]B de x respecto de B. SOLUCIÓN Ijis coordenadas B de cj. c2de xsatisfacen
b:
P ■!][:]- H b,
b.
x
Esta ecuación se puede resolver mediante operaciones de fila en una matriz aumentada o utilizando la inversa de la matriz a la izquierda. En cualquier caso, la solución es Cj = 3. 0 = 2. Por lo tanto, x = 3bi + 2 b , y
RGURA 4 H vector de coordenadas B de xes (3. 2).
Véase la figura 4. La matriz en la ecuación (3) cambia las coordenadas B de un vector x en las coordenadas estándar para x. Es posible realizar un cambio análogo de coordenadas en M" para una base B = { b .......b „ ) . Sea Pb * i b
b,
-
b ,}
http://www.fullengineeringbook.net 254 of 461.
4.4 Sistemas de coordenadas 2 3 7 Entonces la ecuación vectorial x = c , b , + c 2b 2 + - - - + e Bb n es equivalente a (4) Se llama p 0 a la matriz de cambio de coordenadas de B a la base estándar en R". M ulti plicando por la izquierda a PB se transforma al vector de coordenadas [ x )¿í en x La ecua ción de cambio de coordenadas (4) es importante y será necesaria en varias secciones de los capítulos 7 y 8 (en el sitio VVeb). Puesto que las columnas de PB forman una base para R". PB es invertible (por el teo rema de la matriz invertible). Al multiplicar por la izquierda por P¿ 1 se convierte a x en su vector de coordenadas B:
La correspondencia x *-► |x]g. producida aquí por PB l.e s el mapeo de coordenadas men cionado anteriormente. Ya que P¿ 1 es una matriz invertible, el mapeo de coordenadas es una transformación lineal uno a uno de R" en R". de acuerdo con el teorema de la matriz invertible. (Véase también el teorema 12 de la sección 1.9). Esta propiedad del mapeo de coordenadas también es cierto en un espacio vectorial general que tiene una base, como se verá más adelante.
El m apeo de coordenadas La elección de una base B = {ki....k,J de un espacio vectorial ^introduce un sistema de coordenadas en V. El mapeo de coordenadas x *-►[ x | e conecta al espacio V, posiblemente desconocido, con el conocido espacio R a. Véase la figura 5. Los puntos de Zahora se pueden identificar por sus nuevos ‘ nombres*.
FIGURA 5 O mapeo de coordenadas de Vsobre JT.
TEOREMA 8
Sea B - {ki......k«} una base para un espacio vectorial V. A si el mapeo de coordenadas x*-*[x]s es una transformación lineal uno a uno de ^ e n R fl.
DEMOSTRACIÓN Tome dos vectores típicos en V, por ejemplo. u = Cibi + - . - + c*b„ w = í/ib | -i----- 1- d„b„ Luego, utilizando las operaciones de vectores. U + w = (C | + < / i ) b i + • • • + ( o , - f r/,)b ,
http://www.fullengineeringbook.net 255 of 461.
238
CAPÍTULO 4
Espacios vectoriales
De ello se sigue que " C| + d \ ' U + W jB =
~C \~
•
=
¡
[-4 -1 ;
+
Cn
C„ + d n
dn
Por lo tanto, el mapeo de coordenadas conserva la adición. Si r e s un escalar cualquiera, entonces ru = r(cibi + •••+ c„b„) = (rci)bi + ••• + (re* )b„ De esta forma. ‘c | '
r c \'
r u )s =
;
;
= r
c»
rcn
Así. el mapeo de coordenadas también conserva la multiplicación escalar, y por consiguiente, es una transformación lineal. Véase los ejercicios 23 y 24 para comprobar que el mapeo de coordenadas es uno a uno y mapea ^sobreR®. ■ La linealidad del mapeo de coordenadas se extiende a las combinaciones lineales, al igual que en la sección 1.8. Si a¡..... mFestán en Pysi c,...... c^son escalares, entonces [ciu, + - - - + c /,uP lB = c i ( u , ] B + --- + c^[up ]£,
(5)
Es decir, (5) nos dice que el vector de 6-coordenadas de una combinación lineal de « i..... «^ es la m ism a combinación lineal de sus vectores de coordenadas. El mapeo de coordenadas en el teorema 8 es un Importante ejemplo de un ¡som orfísm o de V en R®. En general, una transformación lineal uno a uno de un espado vectorial Pen un espacio vectorial Ifse llama inatorftsmo de V en W (el término proviene de los voca blos griegos ¿so. que significa ‘lo mismo", y m orfé, que significa ‘forma’ o ‘estrudura’). La notación y la terminología para V y W pueden diferir, pero los dos espacios son indistin guibles como espacios vectoriales. C ada cálculo de espa cio vectorial en V se reproduce con exa ctitu d en W. y viceversa. En particular, cualquier espado vectorial real con una base de n vedores es indistinguible de R®. Véase los ejercicios 25 y 26. EJ EMPLO 5 Sea B la base estándar del espacio P3 de polinomios; es dedr. sea B = {1. /. t2. t3). Un elemento típico pde P 3tiene la forma p ( f ) = a0 + o xt + fl2/2 + fl3/3
Puesto que p ya se ha desplegado como una combinación lineal de los vedores básicos es tándar. concluimos que 0o'
ai 02 03.
Así. el mapeo de coordenadas p ( p J5 es un isomorfismo de P3sobre R4. Todas las operadones de espado vedorial en P3 corresponden a operadores en R4. ■ Si pensamos en P 3 y R4 como despliegues en dos pantallas de computadora que se coredan a través del mapeo de coordenadas, entonces cada operadón de espado vedorial en P 3 en una pantalla es duplicada exadamente por una operación vedorial correspondien te en R4 en la otra pantalla Lx»s vedores en la pantalla P3 tienen un aspedo diferente res pedo de los que aparecen en la pantalla de R4. pero "adúan‘ como vedores exadamente de la misma forma. Véase la figura 6.
http://www.fullengineeringbook.net 256 of 461.
4.4 Sistemas de coordenadas 239
RGURA6 F1 espado Pjfsísomorfo a R 4.
E J EM PLO 6 Utilice vectores de coordenadas para comprobar que los polinomios l + 2Z2. 4 + / + 5/*, y 3 + 2 /son linealmente dependientes en P 2. SOLUCIÓN El mapco de coordenadas del ejemplo 5 produce los vectores de coordenadas (1 ,0 ,2 ). (4.1.5) y (3. 2.0). respedivamente. Al representar estos vectores como las columnas de una matriz A, podemos determinar su independencia mediante reducción por filas de la matriz aumentada de A x = O 1 0 2
4 1 5
3 2 0
0 0 0
1 0 0
4 1 0
3 2 0
0 0 0
Las columnas de A son linealmente dependientes, por lo que los polinomios correspondien tes son linealmente dependientes. De hecho, es fácil comprobar que la columna 3 de A es la columna 2 multiplicada por 2. menos la columna 1 multiplicada por 5. La relación correspon diente de los polinomios es 3 + 2/ = 2(4 + t + 5 /2) —5(1 + 2 /2)
■
El último ejemplo se refiere a un plano en R3 que es isomorfo a R2. E JE M P L O 7
Sea
vi = y B = {vj. v2}. Entonces B e s una base para H - Gen {vj. v?}. Determine si xseencuentra en H y. si lo está, encuentre el vector de coordenadas de x respecto de B. SOLUCIÓN Si xestá en H. entonces la siguiente ecuación vectorial es consistente:
M H 1!] Los escalares C\ y c¿, si existen, son las coordenadas B de x Usando operaciones de fila se obtiene
http://www.fullengineeringbook.net 257 of 461.
240
CAPÍTULO 4
Espacios vectoriales
Asi. ct = 2. c¡ = 3 y [ x ]p = ^ j. El sistema de coordenadas en H determinadas por B se muestra en la figura 7.
■
FIGURA 7 Un sistema de coordenadas en un
plano H en R1.
Si se eligiera una base diferente para H. ¿el sistema de coordenadas asodado tam bién haría a H isomorfo a R2? Sin duda, esto debe ser verdad. Así lo demostraremos en la siguiente secdón.
PROBLEMAS DE PRÁCTICA L Sea b | a)
Demuestre que el conjunto B = {b¡.
bs} es una base de
R3.
Z>) Encuentre la matriz de cambio de las coordenadas de B a la base estándar. c) Escriba la ecuación que relaciona
x en R 3 con [ x ]g.
d) Encuentre [ x JB. para la x d ad a anteriormente. 2
H conjunto B = {1 + /. 1 + / + í2} es una base para P 2. Encuentre el vector de coor denadas de p(á = 6 + 3 / - f2 en relación con B.
4 . 4 E JE R C IC IO S 1" En los (Jercick» 1 a 4. encuentre el vector xdeterminado por el vec tor de coordenadas [ x )B y la base B.
Eh los ejercicios 5 a 8. encuentre el vector de coordenadas [ x jH dexrespeclode la base B = \ k...... b„K
& b ,= [j].b ! = [_ j].« = [ a - = [-i] - = [ 3. B
7. b ;
4. B
a
3
]—
b,
http://www.fullengineeringbook.net 258 of 461.
¡]
[= ¿ ]
[i]
4.4 Sistemas de coordenadas 2 4 1 En los ejercicios 9 y 10. encuentre la matriz de camhk» de coordena das de 5 a la base estándar en R°.
21. S e a 5 = ||^ _ J J , ^
a
B>
ia
6 =
( '3 ' l
0 6
'
2" 2 -4
En los ejercicios 11 y 12. utilice una matriz Inversa para encontrar [ x lBp ara* y S .
,L B- | [ - Í ] [ 1 ] l " [ - ' ]
0 conjunto B » {1 + t2, t + t2. 1 + 2t + r2} es una base para P 2. Encuentre el vector de coordenadas de p(r) = 1 + 4/ + 7t* respecto de B.
14
0 conjunto 5 - {l - f2. / - í2, 2 - / + í2} es una base para P 2. Encuentre el vector de coordenadas de p(t) = 1 + 3í - 6^ respecto de B.
En los ejercicios 15 y 16. marque cada enunciado como verdadero 0 falso. Justifique sus respuestas. A menos que se indique lo con trario. Bes una base para un espacio vectorial E a) Si «está en Ey si B contiene n vectores, entonces el vector de coordenadas B de «está en R". b) Si PB es la matriz del cambio de coordenadas, entonces (x )p • Bb * parasen E 4 Los espacios vectoriales P 3 y R 3son Isomorfas.
1& 4 Sí B es la base estándar para R". entonces el vector de coor dinadas B de una xen Rnes x misma.
b) La correspondencia ( x ]B-» xse llama el mapeo de coorde nadas. c) En algunos casos, un plano en R 3puede ser lsomorfo a R2. 17. Los vectores vi = ^ 3 J.Vi =
= |^
generan
a R2. pero no forman una base. Encuentre formas diferentes de expresar
J
j j Puesto que el mapeo de coordena
(fas determinado por B es una transformación lineal de R2 en R2, este mapeo se debe imple mentar mediante alguna ma triz A de 2 x 2. Encuéntrela. [Sugerencia: La multiplicación por A deberla transformar un vector xen su vector de coorde radas |* ] B1. 22. Sea B = { k .....k } una base para R". Obtenga una descripción de una matriz A de n x n que implemente el mapeo de coorde nadas x - * [ x ]B. (Véase el ejercicio 21).
23. Demuestre que el mapeo de coordenadas es uno a uno. (Sugerencia: Suponga que ( u jp = | w ]B para algunas u y w en E y demuestre que o - w>. 24 Demuestre que el mapeo de coordenadas es sobre R”. Es decir, (fada cualquier y en R". con entradas y\..... / „ obtenga u en E tal que [ u jB = y. 25. Demuestre que un subconjunto {■(..... 1^,} en Ees llnealmente Independiente si y solo si el conjunto de vectores de coordena (fas {[u, ]B....... ( u , ]B} es linealmente independiente en R". (Sugerencia: Como el mapeo de coordenadas es uno a uno. las siguientes ecuaciones tienen las mismas soluciones, o .....CjJ. ÓB; + — + CfXp = 0 [cm + - + < * ,], - [OjB
0 vector cero en RD
26. Dados los vectores 01.....o» y w en E demuestre que w es una combinación lineal de n i.....u;,si y solo si ( w ]B es una combinación lineal de los vectores de coordenadas
I" i l » ......M a En los ejercicios 27 a 30. utilice los vectores de coordenadas para probar la Independencia lineal de los conjuntos de polinomios. Explique su trabajo. 27. 1 + 2 l \ 2 + l - 3 l 2. - t + 2íJ - / , 28. 1 - 2J1 - / \ / + 2#\ l + t - 2 ¡ 3 2 a (1 - /) * . I - 2 I 1 + /*, (1 - /) * 3 a ( 2 -/) » . ( 3 - / ) 2, 1 + 6 / - 5 / 2 + r3
como una combinación lineal de T1.v 2. r r
1& Sea B = •b|.... b.,j una base para un espacio vectorial
V.
Explique por qué los vectores de coordenadas B de k ,.....h.,. son las columnas *1.....e, de la matriz Identidad de n x n. 19i Sea S un conjunto finito en un espacio vectorial Econ la pro piedad de que cada se n Etiene una representación única como una combinación lineal de elementos de S. Demuestre que S es una base de E
211
^
Los ejercicios 23 a 26 se refieren a un espacio vectorial E una base B m {k......k ) , yel mapeo de coordenadas x>-»[x)B.
la
1&
{▼i.....v4} para obtener otra representación de w como una combinación lineal de vi..... *«].
Suponga qup {V[... v«}es un conjunto linealmente dependiente que genera un espacio vectorial E Demuestre que cada w en E se puede expresar en más de una forma como una combinación lineal de V|..... v*. \Sugerencia: Considere w = ÁiVi + — + ¿4V4un vector arbitrario en V. Utilice la dependencia lineal de
* 31. Utilice los vectores de coordenadas para comprobar si los si gjientes conjuntos de polinomios generan a P 2. Justifique sus conclusiones. 4 I —3/ + 5t2, —3 + 5r —7/2, —4 + 5/ —6/2, 1 —t 2 4 5r + í 2. I - 8/ - 2/J. - 3 + 4/ + 2/J. 2 - 3f
32 Sea p,(/) = 1 + /» ,p ,(/) = / - 3 / 2. p,(/) = 1 + / —3/J. 4 Utilice vectores de coordenadas para demostrar que estos polinomios forman una base para P 2. 4 Considere de la base B = [p . p p para P2. Encuentre
q en P2. considerando que [qja
http://www.fullengineeringbook.net 259 of 461.
24 2
CAPÍTULO 4
Espacios vectoriales
En los ejercicios 33 y 34. determine si el conjunto de polinomios forman una base para Pj. Justifique sus conclusiones. 33. |M] 3 + 7/. 5 + / —2 í \ t —2/J. 1 + 16/ - 6 /1
2/»
titanio, algunos átomos adicionales pueden estar en la celda unitaria en los sitios octaédricos y tetraédrieos (llamados asi por los objetos geométricas que forman los átomos en estos lugares).
34. |MJ 5 - 3/ + 4/1 + 2 / \ 9 + t + 8f2 - 6 / \ 6 - 2/ + 5/2. 13 35. [M] Sea H = Gen {x,. y?} y B = {x,. x?}. Demuestre que x e>tá en H y encuentre el vector de coordenadas B de x para
Vi -
' II' -5 .v 2 = 10 7
‘ 14' -8 .x = 13 10
'
19' -1 3 18 15
38. ¡M] Sea H - Gen {xi. x2, r»} y B - {xi, x2. xj). Demuestre que B es una base para H y que xesta en H y encuentre el vec tor de coordenadas B de x. para ’ -6 * 4 V| = - 9 •Vi = 4
8 '- 9 ' 5 -3 ■V, = .x = 7 -8 -3 3
La red compacta hexagonal y su celda unitaria.
4 7 -8 3
37. Uno de los sitios octaédricos es
[M| Los ejercicios 37 y 38 se refieren a la red cristalina del tita ni o, que tiene la estructura hexagonal que se ilustra a la izquierda ' en la figura adjunta, Los vectores
2.6" ' 0 ' ' 0 ' -1 .5 . 3 , 0 0 0 4.8
1/4 , respecto de la base
L 'aJ * la red. Determine las coordenadas de este sitio en relación con la base estándar de R3, Uno de los sitios tetraédricos es
forman una base para la celda unitaria de la derecha. Los números están en unidades angstmm (1 A = 10~8 cm). En las aleaciones de
r,/2i [9
Determine las coor
denadas de este sitio en relación con la base estándar de R3.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA L
a) Es evidente que la matriz P b = [ b | b j bj ] es equivalente por filas a la matriz de identidad. Por el teorema de la matriz invertible, P b es invertible y sus columnas forman una base de R 3.
[ 01 0
-3 3' 4 -6 . 0
3,
a
X= P e 1*1*
d)
Para resolver la ecuación en c). es probable que sea más fácil de reducir por filas una matriz aumentada que calcular Py
De ahi que
2. Las coordenadas de p{/) = 6 + 3 f - /* respecto de 6 satisfacen
c,(l + /) + c2(I + /2) + c3(í + /2) = 6 + 3t - l 2 http://www.fullengineeringbook.net 260 of 461.
4.5
La dimensión de un espacio vectorial 243
Al igualar los coeficientes de potencias de £ se tiene que ci + c i Ci
= 6 + c3 =
C2 +
3
C3 = - 1
Al resolver, se encuentra que c¡ = 5. C2 = 1. Cj = - 2 y [ p
4 .5
LA DIMENSIÓN DE UN ESPACIO VECTORIAL El teorema 8 de la sección 4.4 implica que un espacio vectorial Kcon una base B que con tiene n vectores es isomorfo a R". En esta sección veremos que este número n e s una propie dad intrínseca (llamada dimensión) del espacio V que no depende de la elección particular de la base. El análisis de la dimensión le ayudará a comprender mejor las propiedades de las bases. El primer teorema generaliza un resultado bien conocido acerca del espacio vectorial Mn.
Si un espacio vectorial Atiene una base B = {kt..... k„}. entonces cualquier conjunto en Kque contenga más de n vectores debe ser linealmente dependiente.
DEMOSTRACIÓN Sea {■,......mp} un conjunto de y con más de «vectores. Los vectores de coordenadas [ u, ]B........| u,, ]e forman un conjunto linealmente dependiente en R". porque hay más vectores (/ j) que entradas (n) en cada vector. Por lo tanto, existen escalares c\......Cp, no todos cero, tales que
C i |u i] B + - - + c , ( u , 1B =
El vector cero en IR"
Como el mapeo de coordenadas es una transformación lineal, '0 '
[ c u , + . . . + c ,u ;, ] B =
: 0
El vector cero de la derecha muestra los n pesos necesarios para construir el vector r ,a , + ••• + Cf}mp de los vectores básicos en B. Es decir, q a - + ••• + r ^ = 0 • b, + ••• + 0 • k,, = O Puesto que no todas las c, son cero, {■,......a,,} es linealmente dependiente.1 ■ El teorema 9 implica que si un espacio vectorial Ptiene una base B = {k¡......k^}. en tonces cada conjunto linealmente independiente ubicado en Pno tiene más de n vectores.
1 □ teorema 9 también so aplica a tos coturnos Infhttcs en V. Se dice que un conjunto Infinito es Hnealmcntc dependiente si algún subconjunto finito es lineal mente dependiente; de lo contrario, el conjunto es ll ocalmente Inde pendiente S I Sts un cor^unto Infinito de V, tome cualquier subconjunto { a ,,.... m?) de S, con p> n. La demostración anterior Indica que este sub conjunto es llnealmente dependiente y. por lo tan», también lo es 5
http://www.fullengineeringbook.net 261 of 461.
244
CAPÍTULO 4
Espacios vectoriales
TEOREM A 1 0
Si un espacio vectorial Atiene una base de n vectores, entonces toda base de y debe consistir exactamente en n vectores.
DEMOSTRACIÓN Sea B\ una base de n vectores y 62 cualquier otra base (de V). Ya que 61 es una base y B-¿ es linealmente independiente. &2 no tiene más de n vectores, de acuerdo con el teorema 9. Además, puesto que B? es una base y B\ es linealmente independiente. 5? tiene al menos n vectores. Asi. B j se compone de exactamente n vectores. ■ Si un espacio vectorial Indistinto de cero es generado por un conjunto finito S, entonces un subconjunto de S e s una base para V. de acuerdo con el teorema del conjunto generador. En este caso, el teorema 10 asegura que la siguiente definición tiene sentido. D E F IN IC IÓ N
Si Kcs generado por un conjunto finito, entonces se dice que Atiene dh — Ü i finita y la i m w w k n de V, representada como dim V, es el número de vectores en una base para V La dimensión del espado vectorial cero {0} se define como cero. Si y no es generado por un conjunto finito, entonces se dice que Atiene db— Ha infinita
EJEMPLO 1 La base estándar para R" contiene n vectores, por lo que dim R* = n La base polinomial estándar {1, ( Z2} indica que dim P2= 3. En general, dim P„ = n + 1. El espado P de todos los polinomios es de dimensión infinita (ejercicio 27). ■ EJEMPLO 2
y v2
Sea H = Gen {vj. 1^}. donde v, =
0 . Entonces H es 1
el plano estudiado en el ejemplo 7 de la secdón 4.4. Una base para H e s {vi. v2}. ya que vj y v2 no son múltiplos y. por consiguiente, son linealmente independientes. Por lo tanto. d im // = 2.
EJ EMPLO
3
Encuentre la dimensión del subespacio a
b
- 3 b + 6c 5 a + 4 - 2c 5d
d
: a,
b .c,
den R
SOLUCIÓN Es fácil ver que / / e s el conjunto de todas las combinaciones lineales de los vectores
V| =
1 5 . 0 0
v2 =
-3 0 • 1 0
v3 =
6 0 -2 0
.
v4 =
0 4 -1 5
Claramente, y\ * 0, *2 no es un múltiplo de vi. pero V3 es un múltiplo de y 2. De acuerdo con el teorema del conjunto generador, podemos descartar a v , y aún asi tener un conjunto gene rador H. Finalmente, y i no es una com binaaón lineal de vi y y¡. Por lo tanto, {vi, v2. v4} es linealmente independiente (de acuerdo con el teorema 4 de la secdón 4.3) y. en consecuenda. es una base para H. Por consiguiente, dim H = 3. ■
EJ EM PLO 4
Los subespacios de R3se pueden clasificar por dimensiones. Véase la figura
1.
Subcspados de dimensión 0. Solo el subrepado cero. Subespadas de dimensión 1. Cualquier subespado generado por un solo vector distinto de cero. Tales subespadas son rectas que pasan por el origen.
http://www.fullengineeringbook.net 262 of 461.
4.5
L a d im e n s ió n d e u n e s p a c io v e c to ria l
245
S u b e sp a d o s de dimensión 2. Cualquier subespacio generado por dos vectores lineal
mente independientes. Tales subespacios son planos que pasan por el origen. S u b e sp a d o s de dimensión 3. Solo el propio R3. Cualesquiera tres vectores linealmen te independientes en R3 generan todo R3, de acuerdo con el teorema de la matriz invertible. ■
b)
a)
RGURA l
Subespados muestra de R3.
Subaspacios de un espacio de dim ensión finita El siguiente teorema es una contraparte natural del teorema del conjunto generador. TEOREMA 11
Sea H un subespacio de un espacio vectorial de dimensión finita V Cualquier con junto linealmente independiente en //s e puede expandir, si es necesario, a una base de H. Además, //tiene dimensión finita y dim / / s d im V DEMOSTRACIÓN Si //= { •■ , entonces, sin duda, dim H = 0 s dim V. De lo contrario, sea S = {■:.....■*} cualquier conjunto linealmente independiente en H. Si 5 genera a H, enton ces Ses una base para H . De lo contrario, existe algún a ¿ ( en //que no está en el generado por S. Pero entonces {«i..... m . *»+■1 } será Unealmente Independiente, ya que ningún vector en el conjunto puede ser una combinación lineal de los vectores que le preoeden (de acuerdo con el teorema 4). En tanto que el nuevo conjunto no genere a H. podemos continuar con este proceso de expansión de 5 a un conjunto más amplio linealmente independiente en H. Sin embargo, el número de vectores en una expansión linealmente independiente de 5nunca podrá superar la dimensión de V. de acuerdo con el teorema 9. Asi. finalmente la expansión de 5generará a //y. por lo tanto, será una base para H. y dim H ^ dim V. ■ Cuando se conoce la dimensión de un espacio o subespacio vectorial, la búsqueda de una base se simplifica con el siguiente teorema, el cual dice que si un conjunto tiene el nú mero correcto de elementos, entonces solo se tiene que demostrar ya sea que el conjunto es linealmente Independiente o que este genera el espacio. El teorema es de importancia fundamental en muchos problemas de aplicación (por ejemplo, los que Implican ecuaciones diferenciales o ecuaciones en diferencias), donde la independencia lineal es mucho más fácil de comprobar que la generación.
TEOREMA 12
H teorema base Sea V un espacio vectorial de dimensión p, donde /? s i. Cualquier conjunto lineal mente independiente de exactamente p elementos en l^es, de forma automática, una base para V. Cualquier conjunto de exactamente p elementos que genera a es, de manera automática, una base para V
http://www.fullengineeringbook.net 263 of 461.
246
CAPÍTULO 4
E s p a c io s v e c to ria le s
DEMOSTRACIÓN De acuerdo con el teorema 11, un conjunto linealmente independiente S de p elementos se puede ampliar a una base para V Sin embargo, esa base debe conte ner exactamente p elementos, ya que dim V = p. Asi que S debe ser ya una base para V Ahora suponga que S tiene p elementos y genera a V. Puesto que Pes diferente de cero, el teorema del conjunto generador implica que un subconjunto S de S e s una base de V. Como dim V = p .S " debe contener p vectores. Por lo tanto. 5 = 5*. ■
Las dim ensiones de Nul A y Col A Como las columnas pivote de una matriz A forman una base para Col A. conocemos la di mensión de Col A tan pronto como se conocen las columnas pivote. Tal vez parezca que la dimensión de Nul A requiere de más trabajo, ya que encontrar una base para Nul A. por lo general, toma más tiempo que una base para Col A. Pero. |hay un atajo! Sea A una matriz de m x n. y supongamos que la ecuación A x = 0 tiene k variables li bres. De la sección 4.2, sabemos que el método estándar para encontrar un conjunto genera dor para Nul A producirá exactamente k vectores linealmente independientes, por ejemplo, ■,.....■*, uno para cada variable libre. Por lo tanto. {■,...... ■*} es una base para Nul A, y el número de variables libres determina el tamaño de la base. Hagamos un resumen de estos hechos para referencia futura. La dimensión de Nul A es el número de variables libres en la ecuación A x = Q y la dimensión de Col A es el número de columnas pivote de A.
EJEMPLO 5
Determine las dimensiones del espacio nulo y el espacio columna de 1
-7
1
-2
2
3
-1
2
-4
5
8
-4
-3
6
-1
SOLUCIÓN Reduzca por filas la matriz aumentada [A 0) a la forma escalonada: 1 0 0
2
3
-1
0
0
1
2
-2
0
0
0
0 0
-2
0
Hay tres variables libres: x t y xj. Por consiguiente, la dimensión de Nul A es 3. Por otra parte, dim Col A = 2 porque A tiene dos columnas pivote. ■
PROBLEMAS DE PRÁCTICA*
Determíne si cada enunciado es verdadero o falso, y dé una razón para cada respuesta. Aquí. V es un espacio vectorial de dimensión finita diferente de cero. • 1. Si dim V = p. y si Ses un subconjunto llnealmente dependiente de V. entonces 5contiene más que p vectores. • 2. Si 5 ge ñera a V y si T e s un subconjunto de que contiene más vectores que S. entonces T es llnealmente dependiente.
http://www.fullengineeringbook.net 264 of 461.
4.5
La dimensión de un espacio vectorial 247
4 . 5 EJER C IC IO S * ftira cada subespaclo en los ejercicios 1 a 8. a) encuentre una base para el subespaclo. y Ü indique la dimensión
17. A =
f 1 -1
0 L°
1 0
°1 3 ■J
la
a
=
1 0 0
1 -n 2 0 0 °J
En los ejercicios 19 y 20. Ves un espacio vectorial. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. 2c ■ a —b : a. b, cen R b —3c a + 2b . p -2 q 2p + 5r —2q + 2r -3 p + 6r
4
: p, q, ren R
3a —c -¿ -3 c -7 a A-6b + 5c -3 a + c 7. {(a.
p + 2q ~P : p q e nR 3P ~ q l . p +q .
: a. b, cen R
c ) : a - 3¿ + c = 0, ¿ - 2c = 0 .2¿ - c = 0}
& { ( a ,b ,c ,d ) : a - 5 b + c = 0} & Encuentre la dimensión del subespaclo de todos los vectores en Rs cuyas entradas primera y tercera sean Iguales. 1Q Fncuentre la dimensión del subespaclo //de R2 generado por
En los ejercicios 11 y 12. encuentre la dimensión del subespaclo ge nerado por los vectores dados.
* I9 l d) El número de columnas pivote de una matriz es Igual a la dimensión de su espacio columna. Un plano en R3es un subespacio de dimensión 2 de IR3. c) La dimensión del espacio vectorial P« es 4. d) Si dlm V= n y Ses un conjunto linealmente independiente en V, entonces Sea una base para V. é) Si un conjunto {*i.....genera un espacio vectorial Vde dimensión finita y si Tea un conjunto de más de p vectores en V, entonces 7es linealmente dependiente. * a a d) R2es un subespaclo de dimensión 2 de R3. tii El número de variables en la ecuación >1* = Oes igual a la dimensión de Nul A. d Un espacio vectorial es de dimensión infinita si es generado por un conjunto infinito. d) Si dim V - n. y si S genera a V. entonces 5 e s una base de V. e) El único subespacio de dimensión 3 de R3es el propio R3. a . Los primeros cuatro polinomios de 1lermlte son l . 2£ - 2 + 4Z2. y - 1 2 / 4- 8Z3. Estos polinomios surgen de forma natural en el estudio de dertas ecuaciones diferenciales importantes en física matemática.2 Demuestre que los primeros cuatro polinomios de Hermite forman una base de P*
22. lo s primeros cuatro polinomios de l-aguerre son 1, 1 - /, 2 - 4 / + Z2. y 6 - 18/ + 9Z2 - /*. Demuestre que estos poli nomios forman una base de P s. 23. Sea B la base de P3 que consta de los polinomios de I lermlte ai el ejercicio 21. y sea p(4 - - 1 + 8Z2 + 8Z3. Encuentre el vector de coordenadas de p respecto de B.
Determine las dimensiones de Nul A y Col A de las matrices que se muestran en los ejercicios 13 a 18. 1 -6 0 1 0 0 0 0 ‘1 0 0 0 n 1S 4 = 0 Lo
9 2 0 0
0 —2" -4 5 5 1 0 0
2 -4 0 0 0 0 0 0
3 -2 6 0 1 0 -3 7 0 1 4 -2 0 0 0 1
2 0 0
0 0 1
3 1 0
i]
24. Sea B la base de P* que consiste en los tres primeros polino mios de Laguerre listados en el ejercicio 22. y sea p(z) ■ 5 + 5/ - 2/®. Encuentre el vector de coordenadas de p respecto *5. * 25. Sea S un subconjunto de un espacio vectorial V de dlmen sión n. y suponga que ¿'contiene menos de n vectores. Explique por qué Sno puede generar a V. * 28. Sea ¿/un subespaclo de dimensión n de un espacio vectorial V d? dimensión n. Demuestre que H = V. * 27. Explique por qué el espacio P de todos los polinomios es un espacio de dimensión infinita.
*Véase ¡ntroducticn to Functtona/ Analysls, 2a. edición, por A. E Taylor y Divki C. I-ay (Nueva York: John Wfley &Sons. 1980), pp. 92-93. También se analizan otros conjuntos de polinomios.
http://www.fullengineeringbook.net 265 of 461.
248 CAPÍTULO 4 Espacios vectoriales 28. Demuestre que el espacio CT¡R) de todas las funciones continuas
d>finidas en la recta real es un espacio de dimensión infinita. En los ejercicios 29 y 30. Pes un espacio vectorial de dimensión finita diferente de cero, y los vectores mencionados pertenecen a V. Marque cada enunciado como verdadero o falso. Justifique sus res puestas. (Estas preguntas tienen mayor grado de dificultad que las de los ejercicios 19 y 20). 29l a) Si existe un conjunto (*i..... que genera a V entonces
dim V-& p. t) Si existe un conjunto linealmenle independiente (*i.....v,,} en V, entonoes dim p 4 Si dim V = p. entonces existe un conjunto generador de p + 1vectores en V. 30l a) Si existe un conjunto llnealmente dependiente {v,.....
en V. entonces dim V 'S p A) Si cada conjunto de p elementos en y no genera a V, enton ces dim V> p Ó Si p & 2 y dim V = p entonces cada conjunto de p - 1 vectores distintos de cero es llnealmente independiente.
33 ¡Mi De acuerdo con el teorema 11, un conjunto llneal mente independiente (*i.....▼<} en R"se puede expandir a una base para M'’. Una manera de hacer esto es crear A - [»i ••• v.< * ••• «hj. siendo .....e, las columnas de la matriz iden tidad; las columnas pivote de A forman una base para R". a) Utilice el método descrito para ampliar los siguientes vec tores a una base para IRS: " —9~ 9* 6' 4 -7 7 8 • v1 = 1 . = -8 -5 6 5 7 -7 -7 0) Explique por qué funciona en general el método: ¿por qué están los vectores originales v,.....v* Incluidos en la base encontrada para Col A? ¿Por qué es Col A = R7 31 ¡M| Sea B = (1. eos t, eos2 /,..., eos6 /} y C = {1. eos t, eos 2/,..., eos 6/}. Suponga las siguientes Identidades trigo nométricas (véase el ejercicio 37 de la sección 4.1).
Los ejercicios 31 y 32 se refieren a espacios vectoriales V y IVóp. dimensión finita y a una transformación lineal T : V-*W.
oos2/ eos 3/ eos 4/ oos5/
31. Sea //u n subespacio distinto de oero de
oosó/ = - 1 + I8cos2/ - 48cos4/ + 32cos6/
V, y sea 71//) el con junto de Imágenes de vectores en H Entonces, 7T//) es un sub espacio de IV. de acuerdo con el ejercicio 35 en la sección 4.2. Demuestre que dim T\H) < dim H.
32. Sea //u n subespacio dLstlnto de cero de V. y suponga que Tes un mapeo uno a uno (lineal) de y en W. Demuestre que dim 7[H) = dim H. Si resulta que Tes un mapeo uno a uno de V sobrv W. entonces dim V = dim W. Espacios vectoriales iso morios de dimensión finita tienen la misma dimensión.
= - 1 + 2cos 2i = -3 c o s / + 4 eos3 / = I —8 oos2/ + 8 eos4/ - 5 eo s/ - 20eos3/ + lóeos5/
Sea H e 1 subespacio de funciones generado por las funciones en B. Entonces B es una base para //. de acuerdo con el ejerci cio 38 de la sección 4.3. a) Escriba los vectores de B coordenadas de los vectoras en C, y utilícelos para demostrar que Ces un conjunto lineal mente independiente en H A) Explique por qué Ces una base para H.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Falso. Considere el conjunto {•}.
2.
4 .6
Verdadero. De acuerdo con el teorema del conjunto generador, S contiene una base para V, llamémosla base 5*. Así, T contendrá más vectores que 5*. De acuerdo con el teorema 9. Tes linealmente dependiente.
RANGO Con la ayuda de los conceptos de espacio vectorial, esta sección ofrece una perspectiva des de e l interior de una matriz y revela varias relaciones interesantes y útiles, ocultas en sus Filas y columnas. Por ejemplo, imagine que se colocan 2000 números aleatorios en una matriz A de 40 x 50 y después se determina el número máximo de columnas linealmente independientes de A y el número máximo de columnas linealmente independientes de A r (filas de A). De manera sorprendente, los dos números son iguales. Como pronto veremos, su valor común es el rango de la matriz. Para explicar por qué. necesitamos examinar el subespacio genera do por las filas de A.
http://www.fullengineeringbook.net 266 of 461.
4.6
Rango 249
El espacio fila Si A es una matriz óe m x n, cada fila de A tiene n entradas y. por lo tanto, se puede identifi car con un vector en Rn. El conjunto de todas las combinaciones lineales de los vectores fila se denomina cnfKno fila de A y se denota como Fila A. Cada fila tiene centradas, por lo que Fila A es un subespacio de R". Ya que las filas de A se identifican con las columnas de Ar. también podríamos escribir Col / l r en lugar de Fila A. E JE M P L O 1
Sea
'-2 _ AA —
1
-5 3
8 -5
3
11 - 1 9
1
7 -1 3
r, = ( - 2 , - 5 . 8 . 0 . -1 7 )
0 -1 7 ' 1 5 7 1 5
r 2 = ( 1 . 3 . - 5 . 1.5) y
-3
r , = ( 3 .1 1 .-1 9 .7 .1 ) r 4 = (1.7. - 1 3 .5 . - 3 )
El espacio fila de A es el subespacio de R 5 generado por {rj. r i ^ . r j . Es decir. Fila A = Gen {rj. i ^. P3, r*}. Es natural representar vectores fila de forma horizontal; sin embargo, también es posible representarlos como vectores columna si resulta más conveniente. ■ Si supiéramos algo de las relaciones de dependencia lineal entre las filas de la matriz A del ejemplo 1. podríamos usar el teorema del conjunto generador para reducir el tamaño del conjunto generador a una base. Por desgracia, las operaciones de fila en A no nos dan esa información, porque las operaciones de fila cambian las relaciones de dependencia de filas. Pero la reducción de filas de A. ¡sin duda vale la pena, como muestra el siguiente teorema!
TEOREM A 1 3
Si dos matrices A y B son equivalentes por filas, entonces sus espacios fila son iguales. Si &está en fonma escalonada, las filas de ^diferentes de cero forman una base para el espacio fila de A, asi como para el de B.
DEMOSTRACIÓN Si Bsc. obtiene a partir de A mediante operaciones de fila, las filas de B son combinaciones lineales de las filas de A. De ello se desprende que cualquier combina ción lineal de las filas de B es automáticamente una combinación lineal de las filas de A. Asi. el espacio fila de tfe stá contenido en el espacio fila de A. Ya que las operaciones de fila son reversibles, el mismo argumento indica que el espacio fila de A es un subconjunto del espacio fila de B. De manera que los dos espacios fila son iguales. Si B está en forma escalonada sus filas diferentes de cero son linealmente independientes porque ninguna fila diferente de cero es una combinación lineal de las filas distintas de cero debajo de e s ta (Aplique el teorema 4 para las filas diferentes de cero de B en orden inverso, con la primera fila como la última). Asi. las filas diferentes de cero de B forman una base del espacio fila (común) de B y A. ■ El resultado principal de esta sección implica los tres espacios: Fila A, Col A y Nul A. El siguiente ejemplo prepara el camino para este resultado y muestra cómo una secuencia de operaciones de fila de A conduce a las bases para los tres espacios. E JE M P L O 2 de la matriz
Encuentre bases para el espacio fila, el espacio columna y el espacio nulo
-2 1 3
1
-5 3
8
-5 11 - 1 9 7 -1 3
http://www.fullengineeringbook.net 267 of 461.
0 -1 7 1 5 7 1 5
-3
250
CAPÍTULO 4
Espacios vectoriales SOLUCIÓN Para encontrar las bases para el espacio fila y el espacio columna, reduzca A por filas a una forma escalonada: 1 0 0 0
3 -5 1 2 1 -2 0 0 -4 0 0 0
5 -7 20 0
De acuerdo con el teorema 13. las tres primeras filas do fi forman una base para el espacio fila de A (asi como para el espado fila de B). Así, Base para Fila A: {(1.3. - 5 . 1. 5). (0. 1. - 2 . 2. - 7 ) , (0 .0 .0 . - 4 . 20)} Para el espacio columna, observe a partir de fique los pivotes están en las columnas 1 .2 y 4. Por lo tanto, las columnas 1. 2 y 4 de A (no de fi) forman una base para Col A:
Considere que cualquier forma escalonada de A proporciona (en sus filas diferentes de cero) una base para Fila A y también identifica las columnas pivote de A para Col A. Sin embargo, para Nul A, se necesita la forma escalonada reducida. Otras operadones de fila sobre fidan como resultado
A ~ fi ~ C =
‘1 0 0 0
0 1 I —2 0 0 0 0
0 1 0 3 I -5 0 0
La ecuación A x = t e s equivalente a C x = O es decir. X| +
X3 x2 - 2x j
+
Xi = 0
+ 3*s = 0 x t - 5x5 = 0
Así. xi = - X3 - xs. •** = 2a$ - 3 a$. xt = 5as. con as y as como variables libres. Los cálcu los usuales (que se analizan en la secdón 4.2) demuestran que
Base para Nul A:
-1 2 1 f 0 0
—| -3 0 5 1
Observe que. a diferenda de la base para Col A. las bases para Fila A y Nul A no tienen una reladón sencilla con las propias entradas de A.1 ■
1 Es pasible encontrar una base para F ila Mque utiliza filas de A En primer iu g ir se determina fi. y luego se reduce por fía s hasta que se enoientren tas columnas pivote de fi. Estas columnas pivote de Ar snn filas de A. y forman una base para el espacio fila de A
http://www.fullengineeringbook.net 268 of 461.
4.6
Rango 2 5 1
Afhm rtm cia: A pesar de que las tres primeras filas de B en el ejemplo 2 son linealmenie independientes, es erróneo concluir que las tres primeras filas de A son linealmente indepen dientes. (De hecho, la tercera fila de A es la primera fila multiplicada por 2. más la segunda fila multiplicada por 7). Las operaciones de fila pueden cambiar las relaciones de dependencia lineal entre las á la sde una matriz.
El teorem a del rango ^ 1
DEFINICIÓ N
El siguiente teorema describe las relaciones fundamentales entre las dimensiones de Col A. Fila A y Nul A
El ra n g o de A es la dimensión del espacio columna de A.
Puesto que Fila A es igual que Col AT, la dimensión del espacio fila de A es el rango de A t. La dimensión del espacio nulo a veces se llama la nulidad de A, aunque no utilizare mos este término. Tal vez un lector atento y a haya descubierto la totalidad o parte del siguiente teorema, mientras trabajaba con los ejercidos de la sección 4.5 o al leer el ejemplo 2 anterior.
T E O R E M A 14
0
teorem a del rango
Las dimensiones del espado columna y del espacio fila de una matriz A de m x n son iguales. Esta dimensión común, el rangode A, también es igual al númerode posidoncs pivote en A y satisface la ccuadón rango A + dim Nul A = n
DEMOSTRACIÓN De acuerdo con el teorema 6 de la sección 4.3, rango A es el número de columnas pivote de A. De manera equivalente, rango A es el número de posidones pivote en una forma escalonada ¿?de A. Además, puesto que Atiene una fila diferente de cero para cada pivote, y como estas filas forman una base para el espado fila de A, el rango de A también es la dimensión del espado fila. A partir de la secdón 4.5. la dimensión de Nul A es igual al número de variables libres en la ecuadón A x = Q Dicho de otra manera, la dimensión de Nul A es el número de columnas de A que no son columnas pivote. (Es el número de estas columnas, no las columnas mismas, lo que se relaciona con Nul 4). Como es evidente. ( número de ) ) columnas pivote j
J número de columnas ) _ I número de ) j que no son pivote ( ~ ( columnas (
Esto demuestra el teorem a
■
Las ideas que sustentan el teorema 14 se pueden distinguir en los cálculos del ejemplo 2. Las tres posidones pivote en la forma escalonada B determinan las variables básicas e iden tifican los vedores básicos para Col A y Fila A.
EJEMPLO 3 a) Si A es una matriz de 7 x 9 con un espado nulo de dimensión 2. ¿cuál es el rango de >4? b) ¿Podría una matriz de 6 x 9 tener un espado nulo de dimensión 2?
http://www.fullengineeringbook.net 269 of 461.
252
CAPÍTULO 4
Espacios vectoriales SOLUCIÓN a) Puesto que A tiene 9 columnas, (rango A) + 2 = 9; por lo tanto, rango A = 7. b) No. Si una matriz de 6 x 9. llamémosla B. tuviera un espado nulo de dimensión 2. tendría rango 7. de acuerdo con el teorema del rango. Sin embargo, las columnas (te 5 son vec tores en Re. de manera que la dimensión de Col B no puede ser superior a 6 ; es decir, el rango de B no puede ser mayor que 6. ■ El siguiente ejemplo propordona una buena forma de visualizar los subes pan os que hemos estudiado. En el capitulo 5 se verá que Fila A y Nul A tienen solo el v ed o r cero en común y, en realidad, son “perpendiculares" entre sí. Este mismo hecho se aplicará a R ía Ar (= Col A) y Nul AT. Por lo tanto, la figura 1. que acompaña al ejemplo 4. crea una buena imagen mental para el caso general. (El valor de estudiar -4rjunto con A se demues tra en el ejercicio 29).
EJEMPLO 4
Sea4 =
0 -1 0 - 1 . Se comprueba rápidamente que Nul A es el 0 5
eje x2, Fila A es el plano * 1*3. Col A es el plano cuya ecuadón es x{ - x2 = 0. y Nul A Tes el conjunto de todos los múltiplos de (1. - 1 . 0). La figura 1 muestra Nul A y Fila A en el dominio de la transformadón lineal x —* Ax. el rango de este mapeo. Col A. se muestra en una copia separada de R3. junto con Nul A r. ■
R3
R5
RGÜRA 1 Subespac les determinados por una matriz A.
Aplicaciones para siste m a s de ecuaciones El teorema del rango es una poderosa herramienta para el procesamiento de información sobre los sistemas de ecuaciones lineales. El siguiente ejemplo simula la forma como se plantearía un problema de la vida real utilizando ecuaciones lineales, sin mendonar explítitamente términos de álgebra lineal, como matriz, subespado y dimensión. EJ E M P L O 5 Un dentlflco encontró dos soludones para un sistema homogéneo de 40 ecuaciones con 42 variables. No son múltiplos las dos soluciones, y todas las demás solucio nes se pueden desarrollar sumando múltiplos adecuados de estas dos soludones. ¿Puede el científico estar seguro de que un sistema no homogéneo asodado (con los mismos coefidentes) tiene una soludón? SOLUCIÓN Sí. Sea A una matriz de coefidentes de 40 x 42 del sistem a La inform adón dada implica que las dos soludones son linealmente independientes y generan Nul A. Así que dim Nul A = 2. De acuerdo con el teorema del rango, dim Col A = 42 - 2 = 40. Como es el único subespado de cuya dimensión es 40. Col A debe ser todo de Esto signi fica que cada ecuación no homogénea A x = b tiene una soludón. ■
R40
http://www.fullengineeringbook.net 270 of 461.
R40.
R40
4.6
Rango 253
El rango y el teorem a de la m atriz invertible Los distintos conceptos de espacios vectoriales asociados a una matriz proporcionan varios enunciados adicionales al teorema de la matriz Invertible. Los nuevos enunciados que se listan a continuación se deducen del teorema de la matriz invertible original de la sección 2.3.
TEOREMA
0 teo rem a d e la matriz Invertidle (continuación) Sea A una matriz de n x n. Cada uno de los siguientes enunciados es equivalente a la afirmación de que A es una matriz invertible. m) Las columnas de A forman una base de ¡R°. rí, C o \ A = W 0) dlm Col A - n pj rango A = n $
Nul A = {0}
1) dim Nul >4 = 0
DEMOSTRACIÓN H enunciado /n) es lógicamente equivalente a los enunciados e) y h) en relación con la Independencia lineal y la generación, l-os otros cinco enunciados están vinculados a los anteriores del teorema mediante la siguiente cadena de implicaciones casi triviales:
=> n) =►o) => p) =>/)=*• q) => d) El enunciado g). el cual dice que la ecuación A x = b tiene al menos una solución para cada b en R n. implica a /?). porque Col A es precisamente el conjunto de todas las b tales que la ecuación A x = b es consistente. Las implicaciones rí\ => => $ se deducen de las defini ciones de dimensión y rango. Si el rango de A es n, el número de columnas de A, enton ces dim Nul A = 0. de acuerdo con el teorema del rango, y Nul A = {•}. Por lo tanto, p) o» /) g). Además, q) implica que la ecuación A x - O tiene solamente la solución tri vial. que es el enunciado d). Como ya se sabe que los enunciados d) y $ son equivalentes al enunciado de que A es Invertible, la demostración está completa. ■ Nos hemos abstenido de agregar al teorema de la matriz invertible enunciados evidentes acerca del espacio fila de A, ya que el espado fila es el espado columna de A r. Recuerde el enunciado (1) del teorema de la matriz invertible, el cual afirma que A es invertible si y solo si i4r es invertible. Por lo tanto, cada enundado en el teorema de la matriz invertible también se puede establecer respecto de A7! Pero hacer esto duplicarla la longitud del teorema y se (Atendría una lista ¡de más de 30 enundadosi
http://www.fullengineeringbook.net 271 of 461.
254
CAPÍTULO 4
E s p a c io s v e c to ria le s
----- NOTA N U M ÉRICA -----------------------------------------------------------------------------Muchos algoriimos analizados en este libro son útiles para comprender conceptos y efectuar cálculos sencillos a mano. Sin embargo, los algoritmos a menudo son inade cuados para los grandes problemas que surgen en la vida real. La determinación de un rango es un buen ejemplo. Tal vez parezca fácil reducir una matriz a la forma escalonada y contar los pivotes. Pero, a menos que se realice aritmética exacta en una matriz cuyas entradas se especifiquen con exactitud, las opera ciones de fila pueden cambiar el rango aparente de una matriz. Por ejemplo, si el valor de x en la matriz
£^ ^j no se almacena exactamente como 7 en una computadora.
entonces el rango podría ser 1 o 2. dependiendo de si la computadora trata o no a x - 1 como cero. En las aplicaciones prácticas, el rango efectivo de una matriz A con frecuencia se determina a partir de la descomposición en valores singulares de A. que se analizará en la sección 8.4 (en el sitio VVeb). Esta descomposición también es una fuente confia ble de bases para Col A. Fila A, Nul A y Nul A \
PROBLEMAS DE PRÁCTICA* la s matrices que se muestran a continuación son equivalentes por filas. 2 -1 1 -2 -7 8 4 -5
1 -6 8' -4 3 -2 10 3 -1 0 4 -7 0
tí =
'1 - 2 - 4 3 0 3 9 -1 2 0 0 0 0 0 0 0 0
-2 " 12 0 0
• 1. Determine rango A y dlm Nul A. •Z
Encuentre bases para Col A y Fila A.
•2
¿Cuál es el siguiente paso a realizar con la finalidad de encontrar una base para Nul -4?
•4
¿Cuántas columnas pivote están en una forma escalonada por filas de A1*?
4 . 6 E JE R C IC IO S 1' En los ejercicios 1 a 4. suponga que la matriz A es equivalente por filas a B. Sin hacer cálculos, iLste rango de A y dim Nul A. Luego, encuentre las bases para Col A. Fila A y Nul A
Ao
tí =
4
tí
A=
B
2 -2 4 -2 2 0 0 0
6 -6 -3 6 9 -1 2 3 6 6 -6 3 0 0 0 0 0
1 1 1 2 1 -1 1 -2 1 -2 1 1 0 1 0 0 0 0 0 0
-2 -3 0 2 1 -2 -1 1 0 0
-3 9 3 6 3 0 0
3 3 3 0
0 -6 3 12 3 - 6 6 0 0 0_
0 1 -2 ' 0 -2 - 3 0 1 6 0 1 -3 0 2 -1 0 1 -2 0 - 3 -1 1 -1 3 -1 0 1 -1 0 0 1
http://www.fullengineeringbook.net 272 of 461.
4.6
Rango 255
S SI una matriz A de 4 x 7 tiene rango 3, determine dlm Nul A, dlm Fila A y el rango de Ar.
d Si A y flson equivalentes por filas, entonces sus espacios fila son iguales.
ft Si una matriz A de 7 x 5 tiene rango 2. determine dlm Nul A. dlm Ría A y el rango de Ar.
* 19. Suponga que todas las soluciones de un sistema homogéneo de dnco ecuaciones lineales con seis incógnitas son múltiplos d» una solución diferente de cero. ¿El sistema necesariamente (pndrá una solución para cada posible elección de las constantes ai el lado derecho de las ecuaciones? Explique su respuesta.
7. Suponga que una matriz A de 4 x 7 tiene cuatro columnas pivote. ¿Es Col A " R4? ¿Es Nul A - R*? Explique sus respuestas. R Supongamos que una matriz A de 6 x 8 tiene cuatro columnas pivote. ¿Cuál es la dlm Nul A7 ¿Es Col A = R4? ¿Por qué? a SI el espado nulo de una matriz A de 4 x 6 es de dimensión 3. ¿cuál es la dimensión del espacio columna de A? ¿Es Col A = R3? ¿Por qué? 1Q SI el espacio nulo de una matriz A de 8 x 7 es de dimensión 5. ¿cuál es la dimensión del espacio columna de A? 1L SI el espacio nulo de una matriz A de 8 x 5 es de dimensión 3. ¿cuál es la dimensión del espacio fila de A? 12. SI el espacio nulo de una matriz A de 5 x 4 es de dimensión 2. ¿cuál es la dimensión del espacio fila de A? IR Si A es una matriz de 7 x 5, ¿cuál es el mayor rango posible de Ai Si A es una matriz de 5 x 7, ¿cuál es el mayor rango posi ble de Ai Explique sus respuestas. 14 Si A es una matriz de 5 x 4. ¿cuál es la mayor dimensión posible del espacio fila de A? Si A es una matriz de 4 x 5. ¿cuál es la máxima dimensión posible del espacio fila de A7 Explique sus respuestas. 1 & Si A es una matriz de 3 x 7, ¿cuál es la menor dimensión pasible de Nul >4?1 1& Si A es una matriz de 7 x 5. ¿cuál es la menor dimensión posl ble de Nul A7 En los ejercicios 17 y 18. A es una matriz de m x n Marque cada enunciado como verdadero o falso. Justifique sus respuestas. 17. a) □ espacio fila de A es el mismo que el espacio columna de A l b) Si 2?es cualquier forma escalonada de A y si B tiene tres filas diferentes de cero, entonces las tres primeras filas de A forman una base para Fila A. d Las dimensiones del espacio fila y el espacio columna de A son Iguales. Incluso si A no es cuadrada. oj La suma de las dimensiones del espacio fila y el espacio nulo (fe A es igual al número de filas en A d Di una computadora, las operaciones de fila pueden modi ficar el rango aparente de una matriz. IR a) Si B es cualquier forma escalonada de A entonces las co lumnas pivote de B forman una base para el espacio columna de A b) Las operaciones de fila preservan las relaciones de depere ofenda lineal entre las filas de A. d La dimensión del espacio nulo de A es el número de colum nas de /I que no son columnas pivote. dj H espacio fila de v4r es igual que el espacio columna de A
* 20. Suponga que un sLstema no homogéneo de seLs ecuaciones li neales con ocho Incógnitas tiene una solución, con dos variables libres. ¿Es posible cambiar algunas constantes en los miembros (ferechos de las ecuaciones para hacer que el nuevo sistema sea Inconsistente? Explique su respuesta. * a . Suponga que un sistema no homogéneo de nueve ecuaciones lineales con 10 Incógnitas tiene una solución para todas las po slbles constantes de los miembros derechos de las ecuacio nes. ¿Es posible encontrar dos soluciones diferentes de cero (fcl sistema homogéneo asociado que nosean múltiplos una de la otra? Analice. * 22. ¿Es posible que todas las soluciones de un sistema homogéneo de 10 ecuaciones lineales con 12 variables sean múltiplos de rna solución fija diferente de cero? Analice. * 23. Un sistema homogéneo de 12 ecuaciones lineales con ocho in cógnitas tiene dos soluciones fijas que no son múltiplos una de la otra, y todas las demás soluciones son combinaciones lineales d» estas dos soluciones. ¿Puede describirse el conjunto de todas las soluciones con menos de 12 ecuaciones lineales homogé neas? Si es así. ¿con cuántas? Analice. * 24 ¿Es posible que un sistema no homogéneo de siete ecuaciones con seis incógnitas tenga una solución única para algún con Junto de constantes del miembro derecho? ¿Es posible que este sistema tenga una solución única para cada miembro derecho? Explique sus respuestas. * 2Sl Un científico resuelve un sistema no homogéneo de 10 ecua ciones lineales con 12 incógnitas y encuentra que tres de las Incógnitas son variables libres. ¿Puede el científico estar seguro de que. si se cambia el lado derecho de las ecuaciones, el nuevo sistema no homogéneo tendrá una solución? Analice. * 26. En teoría estadística, un requisito común es que una matriz sea (fe rango completo. Es decir, el rango debe ser tan grande como rea posible. Explique por qué una matriz de m x neón más filas que columnas tiene rango completo si y solo si sus columnas son linealmente independientes. Los ejercicios 27 a 29 se refieren a una matriz. A de m x /jy a loque con frecuencia se denomina los subespacíos fundamentales deter minados por A * 27. ¿Cuál de los subespacíos Fila A Col A. Nul A, Fila Ar. Col AT y Nul A están en R*y cuáles están en R"? ¿Cuántos subespados distintos están en esta lista? * 28. Justifique las siguientes igualdades: 4 d lm Fila A + dlm Nul A = n N um en * tí)
d lm
Col A + dlm Nul AT=
m
colum nas d.
Nunn-ro de filas tk*
A
A
* 29. Con base en el ejercicio 28. explique por qué la ecuación Ax = btiene una solución para toda b en R” si y solo si la ecua dón Arx = O tiene solamente la solución trivial,
http://www.fullengineeringbook.net 273 of 461.
256
CAPÍTULO 4
Espacios vectoriales
3 a Suponga que A es m x n y b está en R*. ¿Qué tiene que ser verdad acerca del rango de [A bj yel rango >1para que laecua dón A* * b sea coherente? Las matrices con rango 1 son importantes en algunos algoritmos de computadora y varios contextos teóricos, incluyendo la descomposi ción en valores singulares del capitulo 8 (en el sitio Web). Es posible demostrar que una matriz A de m x n tiene rango 1 si y solo si se trata de un producto extemo, es decir. A = uvT por alguna u en R* y v en R". Ixs ejercicios 31 a 33 sugieren por qué esta propiedad es verdadera.
31.
Compruebe que el rango de mrS 1 si u=
31
M) Sea A =
7 -9 -4 6 5 -7 -3 5 6 -8
-4 5 3 -3 - 7 ' 7 - 2 -6 -5 5 2 8 -6 5 -ó 8 -1 - 7 - 4 8 4 4 -5 9 3
a) Construya matrices C y N. cuyas columnas son las bases para Col A yNul A. respectivamente, y construya una matriz Reuyas /Masformen una base para Fila A. &¡ Construya una matriz M cuyas columnas formen una base para Nul AT. construya las matrices S » \R~ N\ y T - [C M i y explique por qué S y T deberían ser cua (iradas. Compruebe que tanto 5camo 7son invertibles.
3& [M| Sea u =
33.
'
^j
Encuentre ven R3tal que ^
uv'
Sea A cualquier matriz de 2 x 3 tal que rango A - 1. Sea u la primera columna de A. y suponga que u * Q Explique por qué hay un vector v en R3 tal que A ■ uvr ¿Cómo po tóla modificarse esta construcción si la primera columna de A fuera cero? Sea A una matriz de m x nde rango r > 0. y sea U una forma escalonada de A. Explique por qué existe una matriz Invertible /Ttal que A = EU. y utilice esta factortaación para escribir A como la suma de /-matrices con rango 1. [Sugerencia. Véase el teorema 10 de la sección 2.4J.
Repita el ejercicio 35 para una matriz aleatoria A de 6 x 7 con valores enteros y rango de 4 o menor. Una manera de construir A es crear una matriz aleatoria J de 6 x 4 con valores enteros y una matriz aleatoria K de 4 x 7 con valores enteros, y establecer que A = JK. (Véase el ejercicio comple mentario 12 al final del capítulo).
37. [M| Sea A la matriz del ejercicio 35. Construya una matriz C cuyas columnas sean las columnas pivote de A y construya una matriz Rcuyas filas sean las filas diferentes de cero de la forma escalonada reducida de A Calcule CR. y analice sus hallazgos. 3R |M) Repita el ejercicio 37 para tres matrices aleatorias A de 5 x 7 con valores enteros y rangos de 5. 4 y 3. Haga una con jetura acerca de cómo se relaciona CR con A para cualquier matriz A. Demuestre su suposición
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA
1. A tiene dos columnas pivote, por lo que rango A = 2. Puesto que A tiene 5 columnas en total, dim Nul A = 5 - 2 = 3. 2. Las columnas pivote de A son las dos primeras columnas. Por lo tanto, una base para Col A es
l-as filas diferentes de oero de B forman una base para Fila A. a saber. {(1. -2 . -4. 3. -2 ). (0. 3. 9. -12. 12)}. En este ejemplo en particular, resulta que dos filas cuales quiera de A forman una base para el espacio fila, ya que el espado fila es de dimensión 2 y ninguna de las filas de A es un múltiplo de otra fila. En general, las filas diferentes de cero de una forma escalonada de A se deberían utilizar como base para Fila A. y no las filas de A. a Para Nul A. el siguiente paso es llevar a cabo operaciones de fila en Apara obtener la forma escalonada reducida de A. 4 Rango A T = rango A. de acuerdo con el teorema del rango, ya que Col AT = Fila A. De manera que Ar tlene dos posiciones pivote.
http://www.fullengineeringbook.net 274 of 461.
4.7
4 .7
Cambio de base 25 7
CAMBIO DE BASE Cuando se elige una base B para un espacio vectorial y de dimensión n, el mapeo de coorde nadas asociado a Rnproporciona un sistema de coordenadas para V. Se identifica cada x en V únicamente por su vector de B-coordenadas. ( x JB.' En algunas aplicaciones, se describe un problema inlcialmente usando una base B, pero la solución del problema se facilita cambiando B a una nueva base C. (Se darán ejemplos en los capítulos 7 y 8. ambos en el sitio Web). A cada vector se le asigna un nuevo vector de C-coordenadas. En esta sección se estudia cómo [ x ^ y ( x ]_ se relacionan para toda x e n V. Para visualizar el problema, considere los dos sistemas de coordenadas de la figura 1. En la figura la), x = 3W| + fc>. mientras que en la figura 16), la misma x se muestra como x = 6cj + 4«í. Es decir.
“ [ i ] y i*ic = [®] Nuestro problema es encontrar la conexión entre los dos vectores de coordenadas. El ejem plo 1 muestra cómo hacer esto, siempre que se conozca cómo se forman bi y a partir de e, y «2.
RGURA1 Dos sistemas de coordenadas para el mismo espacio vectorial. E JE M P L O 1
Considere dos bases B = { b |.b 7} y C — {C1.C2 } de un espacio vectorial
V, de manera que bi = 4ci + C2 y
b : = - 6c i + C 2
(1)
Suponga que x = 3b, + b Es decir, suponga que ( x )B =
2
( )
^ j. Encuentre ( x ]c .
SOLUCIÓN Aplique el mapeo de coordenadas determinado por C a x en la ecuación (2). Puesto que el mapeo de coordenadas es una transformación lineal. [ x ] c = [ 3 b , + b 2 )c
—3[b,lc + (b*]c Podemos escribir esta ecuación vectorial como una ecuación matrlcial, utilizando los vectores en la combinación lineal como las columnas de una matriz:
t* lc = [ [ b .l c
U *]c ] [ l ]
P)
1 Piense en [ * ]B como un ‘ nombre* de xque lista los pesos «Alzados para construir «como una combinación lineal de los vectores básicos en B.
http://www.fullengineeringbook.net 275 of 461.
258
CAPÍTULO 4
Espacios vectoriales Esta fórmula da [ x ]_, una vez que se conocen las columnas de la matriz. A partir de (1),
y
b , ic = [ í ]
?]
Por lo tanto, la ecuación (3) da la solución:
Las C-coordenadas de «coinciden con las de x en la figura 1.
■
El argumento que se utiliza para deducir la fórmula (3) se puede generalizar para obtener el siguiente resultado. (Véase los ejercicios 15 y 16).
T E O R E M A 15
Sean B * ( k j..... k„} y C = (« i....... e*} las bases de un espacio vectorial V Entonces. existe una única matriz , P de n x ntal que C4 B
(4)
M c = cj y x i»
Las columnas de „ P son los vectores de C-coordenadas de los vectores en la base B. Es decir, P C*-B
1-a matriz „ P en el teorema
a
[W c
m íe
(5)
w ,
15 se denomina matriz de carabaode coordenadas de B
C. La multiplicación por ^ P g convierte a las ^-coordenadas en las C-coordenadas.2
1ja figura 2 Ilustra la ecuación de cambio de coordenadas (4).
V
imlaptlcaclón
Me
por
Mtr
P
C -B
R°
R"
FIGU RA 2 Dos sistem as de coordenadas para
V
Las columnas de c Pg son linealmente independientes porque son los vectores de coor denadas del conjunto linealmente independiente B. (Véase el ejercicio 25 de la sección 4.4). Puesto que P es cuadrada, debe ser invertible, de acuerdo con el teorema de la matriz invertible. Multiplicando por la izquierda ambos lados de la ecuación (4) por ( CJ^B)-1 se obtiene1
( c £ > r , [ * l c = t * i (,
1 Para recordar cómo se construye la matriz, piense en nas de
x
como en una combinación lineal de las colum
c£ fí E l producto matriz-vector es un vector de C-coordenadas. de modo que las columnas de c£ p
también deberían ser tos vectores de C-coordenadas
http://www.fullengineeringbook.net 276 of 461.
4.7 Cambio de base 259
Por lo tanto. ( c £ b )~1 * Ia matriz que convierte las S-coordenadas en C-coordenadas. Es decir.
6
P
(c U Y
( )
C + -8
Cam bio de base en IR" Si B = {bi......b,;} y £ e s la base estándar
i .......«¡;} en R", entonces (bi]f = bj. y lo mismo
para los otros vectores en B. En este caso, £ ? B es igual a la matriz de cambio de coordenadas Pp que se presentó en la sección 4.4. a saber. Pb = Ib,
b
-
bnl
Para cambiar las coordenadas entre dos bases que no son estándar en R". se necesita el teorema 15. El teorema demuestra que para resolver el problema de cambio de base, se nece sitan los vectores de coordenadas de la antigua base respecto de la nueva base.
E JE M P L O 2
Sean b , = [ “ * ] - b2 = [
l
| ]
C2 = [ - 5 } Y considere
*
las bases de R2 dadas por B = {b,. b¿} y C = {«j. «2}. Encuentre la matriz de cambio de coordenadas de B a C. SOLUCIÓN La matriz C£_B implica a los vectores de C-coordenadas de b Sean [ b | ]c =
J y [ b> ^
[*■
y b,„
J. Así. por definición.
c4 « ] =bl y i '.
**][£]=>»
Para resolver ambos sistemas simultáneamente, se aumenta la matriz de coeficientes con bi y y se reduce por filas:
i«
.i».
h i- [ j j
|
-
;
«
Asi. 1 bi
I
jí
le — [ _ 5 ]
y If c ic - [ - 5 ]
matriz del cambio de coordenadas deseada es. por consiguiente.
c í» = [ | b , | c
[b i|c ] = [ _ 5 _ j ]
■
Observe que la matriz C^ B del ejemplo 2 ya apareció en la ecuación (7). Esto no es sorprendente, ya que la primera columna de C£ B resulta de reducir por filas |c,
e-¿ | b, ] a
[ / i [bj)CJ. y de manera sim ilar para la segunda columna de C£ B. Por lo tanto,
le
c2 i b,
M
-l I
\ c£ b \
Un procedimiento análogo funciona para encontrar la matriz de cambio de coordenadas entre dos bases cualesquiera en R".
http://www.fullengineeringbook.net 277 of 461.
260
CAPÍTULO 4
Espacios vectoriales
E JE M P L O 3
j . b2 =
Sea bi =
4 ] • c * “ £ 9 ]* Cz = [
7 J. y considere las
bases para R2 dadas por B = {k|. fcj} y C = {«i. «&}. a) Determine la matriz de cambio de coordenadas de Ca B. b) Encuentre la matriz de cambio de coordenadas de B a C.
SOLUCIÓN a)
Considere que g£ c se necesita más que C^ B, y calcule -7 -5 9 7
[b ,
0 i 5
1 I6
3] 4J
Por lo tanto.
:] De acuerdo con el inciso a) y la propiedad (6) anterior (con B y C intercambiadas).
b)
_ i r 4 -3 1 2 L -6 5J
£ » - („£<■)c*-e
r 2 -3 /2 1 [-3 5 /2 J
Otra descripción de la matriz de cambio de coordenadas C£ B utiliza las matrices de cambio de coordenadas Pg y Pe que convierten a las coordenadas B y C , respectivamente, en coordenadas estándar. Recuerde que para cada p B(xJB = x.
x en R".
Pc[x]c = x
y
(x)c = P ¿ 'x
Por lo tanto.
Me = f *
c
= P e'
En R® la matriz de cambio de coordenadas (.P B se puede calcular como P¡rxPB. En realidad, para matrices más grandes que 2 x 2. un algoritmo similar al del ejemplo 3 es más rápido que calcular P ¿ 1*y luego P¿ 1Pg. Véase el ejercicio 12 en la sección 2.2.
PROBLEMAS DE PRÁCTICA* •L
(gt. g:l
Sean T = {f,. t¿) y Q = bases para un espacio vectorial K y sea P una ma triz cuyas columnas son [fil^ y [f2]0. ¿Cuál de las siguientes ecuaciones satisface P para toda v e n P? i
1. [v] g =
• 2. Sean B y C como en el ejemplo 1. Utilice los resultados de ese ejemplo para encontrar la matriz de cambio de coordenadas de C a B.
4 .7
EJER C IC IO S*
1. Sean B - {k¡. k d y C - {«i. cj} bases para un espacio vecto rtal Vy suponga que k| = 6ci - 2e? y k>> = 9«i - 4*7a) [Encuentre la matriz de cambio de coordenadas de fía C. tí) Encuentre [xjepara x = -3 b . + 2b?. Utilice el inciso a).
í
Sean B - {k.. k?} y C - («i. bases para un espacio vecto rtal P. ysuponga que I* = -2 c i + 4 y b> = 3c¡ - 6c?. a) Encuentre la matriz de cambio de coordenadas de B a C. Determine [xjc para x - 2k + 3b*
http://www.fullengineeringbook.net 278 of 461.
4.7 a
Sean U = {■), i*>) y W = {wi, w?} bases para K ysea Puna matriz cuyas columnas son fo ij^ y [b ?1iv. ¿Cuál de las sl gulentes ecuaciones satisface Ppara toda xen V?
L WU - P [ * w 4.
Sl
l/B ejercicios 15 y 16 brindan una demostración del teorema 15. Complete la Justificación para cada paso. * 1S Dada x en V, existen escalares ........ x,. tales que
i- («fe - ñ * A
Sean .4 = {«i, « 2. « 3} y B - (kj, k?. kj) bases para un espacio vectorial l< y suponga que «¡ = 4ki - kt. tb m - k i + k> + ks. y « = k - 2kv
v = x,k| +
+ ••• +
porque a ) _____ . Aplique el mapeo de coordenadas determl nado por la base C. y obtenga
Mc - xik i|c + «!k2lc +
+ x.fbnb
porque b) _____ . Esta ecuación se puede escribir en la forma
a) Encuentre la matriz de cambio de coordenadas de A a B b) Determine [x]fl para x = 3 * + 4% + a
261
a- [« U -A H ,
Sean A = {«i, %. %} y V = (d.. d?. d>) bases para V. y sea P|[dil^ ld-1^ ¿Cuál de las siguientes ecuaciones sa tísface Ppara toda xen V?
L \k)á -F \* ]v
C a m b io d e b a s e
Sean 2> = {d . d... d,} y T = (f,. fj. ff,} bases para un espacio vectorial V. y suponga que f, - 2d, - d- + dk. = 3d¿ + d*. y t » - 3 d , + 2*, ¿?) [Encuentre la matriz de cambio de las coordenadas de f u V. b) Determíne [x]p parax = f, - 2S¡ +
En los ejercicios 7 a 10, sean B - (k|, k ) y C - (C). c?) bases para R2. En cada ejercicio, encuentre la matriz de cambio de coordenadas de B u Cy la matriz de cambio de coordenadas de Ca B.
h l c = [ lb ,lc
IbaJc
(8)
d» acuerdo con la definición de _____ . Esto indica que la matriz c£ p que se muestra en la ecuación (5) satisface (x]c • c<£ B(x|a para toda x en V, porque el vector del lado derecho en (8) es d )_____ . * 16. Suponga que Qes cualquier matriz de manera que Mc “
p ra toda x en V
(9)
Fstablezca x = b, en la ecuación (9). Después (9) indica que [k|Jc es la primera columna de Q porque á )_____ . De ma ñera similar, para k = 2..... n, la A-ésima columna de Q es b)____ porque t ) _____. Esto Indica que la matriz c jP deflrida por (5) en el teorema 15 es la única matriz que satisface la condición (4). 17. |M] Sea B - {j*,.... x#} y C - {je-.... 3^}. don* * es la función eos4 t y y< es la función eos kt. El ejercicio 34 de la sección 4.5 mostró que tanto C o m o Cson bases para el espacio vectorial H = Gen {*¡.....Xo).
En los ejercicios 11 y 12. B y C son bases para un espacio vecta rtal V. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. 1L a) Las columnas de la matriz de cambio de coordenadas c£ g son vectores de Coordenadas de los vectores en C b) Sl V =» Rn. y Ces la base estándar para V. entonces c Pg es igual a la matriz de cambio de coordenadas Pp que se pre sentó en la sección 4.4. a) Las columnas de c Pg son llnealmente independientes. b) Si V = R2. B = {kj. kj.} y C = (c,. c^>. entonces la re cocción por filas de [c, c¡ k k .1 a (/ ^ produce una matriz Pque satisface |xlfl = /^ x ^ para toda xen V. 1 a En P 2. encuentre la matriz de cambio de coordenadas de la base B =» {1 — 2/ + Z2, 3 — 5/ + 4Z2, 2/ + 3^} a la base estándar de C = {1. L Z2}. Luego, encuentre el vector de Coordenadas para - 1 + 2L 14 En P 2, encuentre la matriz de cambio de coordenadas de la base B » {1 - 3Z2. 2 + t - 5Z2. 1 + 2í} a la base estándar. Luego, escriba ? como una combinación lineal de los polino mios en B.
á) Sea P = [ ( Jo 18 — [ j t 1B]. y calcule P \ Explique por qué las columnas de P 1son los vectores de Coordenadas de xi.....Jfc. Después, utilloe estos vectores de coordenadas para escribir Identidades trigonométricas que expresen potencias de eos /en términos de las funciones enC. 1& [MI (.Sé requiere cálculd)3 Recuerde de sus clases de cálculo que las integrales como
- 6 c o s 4/ + 5 co s* /- 12cos‘ /)
(10)
son tediosas de calcular. (El método habitual es aplicar Intepación por partes varias veces y usar la fórmula de la mitad del ángulo). Utilice la matriz P o P~l del ejercicio 17 para trans formar (10). y después calcule la integral.
3 La Idea de los ejercidos 17 y 18 y dnco ejercidos relacionadas en las sec dones anteriores provienen de ir documento de Jack W. Rogcrs, Jr.. de la U ntasM kd de Aubum. presentado en una reunión de la Intemaflcnal Linear Algebra Sodety, en agosto de 1995, Véase la sección *Appllcartons o f L i near Algebra bt C akulus*. American MaihemaOcal Mcnthly MM (I ), 1997.
http://www.fullengineeringbook.net 279 of 461.
26 2 1&
CAPÍTULO 4
E s p a c io s v e c to ria le s
Encuentre una hase {wj, w?. wj} para R3 tal que P e s la matriz de cambio de coordenadas de {*i. y?, yj) a {wi. w?. Wi}.
[M I Sea
9ft Sean B = <>,. bj}. C = («i. «2} y V = {¿ 1, dt) y bases para un espacio vectorial de dimensión 2. a) Escriba una ecuación que relacione las matrices cjP(r J>P_< y p P y Justifique su resultado. ¿6 Encuentre una base «>. »<} para W3 tal que P es la matriz de cambio de coordenadas de {ni. i*, n,} a la base {▼i. y,. yj). [Sugerencia: Pregúntese qué representan las columnas de C ? B).
# |M| Utilice un programa de matrices ya sea para ayudar le a encontrar la ecuación o para comprobar la ecuación que escribió. Trabaje con tres bases de R2. (Véase los ejer cicios 7 a 10).
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Como las columnas de P so n vectores de coordenadas Q, un vector de la forma P* debe ser un vector de coordenadas Q. Por lo tanto. P satisface la ecuación B. 2. Los vectores de coordenadas que se encuentran en el ejemplo 1 Indican que
C&r = [[b.) c
lhlcl-[í 1 ]
Por lo tanto.
B^C ~
4.8
' “
r -i .4j r 1 46J" i__‘[-.I
APLICACIONES A U S ECUACIONES EN DIFERENCIAS Ahora que se dispone de poderosas computadoras, cada vez más problemas científicos y de ingeniería se analizan utilizando dalos discretos, o digitales, en lugar de datos continuos. Las ecuaciones en diferencias con frecuencia son la herramienta adecuada para analizar esos datos. Incluso cuando una ecuación diferencial se utiliza para modelar un proceso con tinuo, a menudo se obtiene una solución numérica a partir de una ecuación en diferencias relacionada. En esta sección se ponen de relieve algunas propiedades fundamentales de las ecuaciones en diferencias lineales que se explican mejor utilizando el álgebra lineal.
Señales discretas de tiem po El espacio vectorial S de las señales discretas de tiempo se presentó en la sección 4.1. Una s e ta l en S es una función definida solo oon números enteros y se visualiza como una secuencia de números, por ejemplo, {/*}. 1.a figura 1 muestra tres señales típicas cuyos tér minos generales son (.7) *, 1*y ( - 1)1. respectivamente.
-2
y * -•* f l l t r . -t o 1 2
y r 1 * *-<-*/ t V Y f Vf Y f V 1 _ - 2l - 1i lo i 1 l 2í ______-21 I
RGURA 1 Tres señales en S.
http://www.fullengineeringbook.net 280 of 461.
4.8 Aplicaciones a las ecuaciones en diferencias 263 Las señales digitales, desde luego, surgen en ingeniería de sistemas eléctricos y de con trol. pero secuencias de datos discretos también se generan en biología, física, economía, demografía y muchas otras áreas, donde se mide un proceso, o se maestrea, en intervalos discretos de tiempo. Cuando se inicia un proceso en un momento específico, a veces es con veniente representar una señal como una secuencia de la forma Ijb.yi, J 4,...). Se supone que los términos y k para k < 0 son cero o simplemente se omiten.
EJEMPLO 1
0 sonido cristalino de un reproductor de discos compactos proviene de músicade la que se hantomado muestrasa una velocidad de 44,100 veces por segundo. Véase la figura 2. En cada medición, la amplitud de la señal de música se registra como un número, por ejemplo. y¡¡. l a música original está compuesta de muchos sonidos diferentes de diversas frecuencias; sin embargo, la secuencia {/*} contiene suficiente Información para reproducir todas las frecuencias en el sonido hasta aproximadamente 20,000 ciclos por segundo, más allá de lo que el oído humano puede percibir. ■ y
HGU RA 2 Datos m uestreades a p artir de una señal (fe m úsica.
Independencia lineal en el espacio S de las señ ales Para simplificar la notación, consideramos un conjunto de solo tres señales en S, por ejemplo, {u*}. { k*} y {iv*}• Son linealmente independientes precisamente cuando la ecuación C|U* + c 2v* + c 3wk = 0
para toda i
(1)
implica q u ec i = Q = Q = 0. La frase ‘ para toda k ' significa para todos los enteros; positi vos. negativos y cero. También se podría considerar que las señales comienzan con k = 0. por ejemplo; en tal caso, ‘para toda k ' significarla para todos los enteros mayores que o iguales a cero (k ^ 0). Suponga que cj, a satisfacen la ecuación (1). Entonces la ecuación (1) es válida para cualesquiera tres valores consecutivos de k. por ejemplo, k, k + 1 y k + 2. Así. la ecua ción (1) implica que C|«*+ i + c2u*+ i + c3ur*+ i = 0
para toda k
Ciu*+2 + c 2v*+2 + Cju>*+2 = 0
para toda k
y Por lo tanto cj,
q
.
satisfacen Uk
Vk
«*+1 w*+2
Vk+l
U*+2
u>* “>*+1 W*+2
para toda k
(2)
La matriz de coeficientes de este sistema se llama la motriz de Casara*! de las señales, y el determinante de la matriz se denomina casaratiano de {u ¿ , {vj) y {wk). Si la matriz de Casorati es invertible, para al menos un valor de k, entonces la ecuación (2) implicará que Ci = Q = = 0. loque demuestra que las tres señales son lineal mente independientes.
http://www.fullengineeringbook.net 281 of 461.
264 CAPÍTULO 4 Espacios vectoriales
EJEMPLO
2
Compruebe que las señales 1*. (-2 )* y 3* son linealmente independientes.
SOLUCIÓN La matriz de Casorati es 2• -4
•
•
•
•
H----- h
(-2 )* (_ 2 )* + '
n* ,*+i [ ,* + 2
3* 3*+l
( -2 ) * +2
Con las operaciones de fila se puede demostrar muy fácilmente que esta matriz siempre es invertible. Sin embargo, es más rápido sustituir A por un valor, por ejemplo, k = 0 y reducir
-2
-
2-
Las señales 1* (-2)*y3*
'1 1 1 -2 4 I
n
n
3 r
-
1 0 -3 3
9J Lo
La matriz de Casorati es invertible para k independientes.
r
2 8
1 1 0 -3 0 0
r
2 10
0. Por lo tanto. l á. (-2 )* y 31 son linealmente
Si una matriz de Gisorati no es invertíble. las señales asociadas que se están sometiendo a prueba pueden o no ser lineal mente dependientes. (Véase el ejercido 33). Sin embargo, es posible demostrar que si todas las señales son las soluciones de la misma ocuadón en diferend a s homogénea (que se describe a continuación), entonces la matriz de Casorati es invertible para toda Ay las señales son linealmente independientes, o bien, la matriz de Casorati no es invertíble para toda Ay las señales son linealmente dependientes.
Ecuaciones lineales en diferencias Considerando los escalares la ecuadón
..... a„, con a ^ y a„ diferentes de cero, y dada una señal {z*},
aoyk+n + ¿trj't+ ii-i + -----i- Qn—i yt+ i + an)'k = Zk
P ^ 3 io^3 ^
(3)
se llama una enrarión lineal en ifiím ndas (o rdatknAeiw ia id a lineal) «feárdea a Para simplificar, ^ con frecuenda se considera igual a l. Si {zk} es la secuenda cero, la ecua d ó n es brungénea de lo contrario, la ecuadón es no haraogbara EJ E M P L O 3 En el procesamiento de señal digital, una ecuadón en diferencias tal como la ecuación (3) describe un filtro lin e a l y 4 )..... a„ se denominan los r o tfio tn te s «fe filtro Si {/*} se trata como la entrada y (¿i) como la salida, entonces las soluciones de la ecuadón homogénea asodada son las señales que se filtran h a d a fueray se transforman en señal cero. Vamos a alimentar dos señales diferentes en el filtro •35y*+2 + .5yk+i + .35y* = z k Aquí. .35 es una abreviatura de >/2/4. La primera señal se crea mediante el muestreo de la señal continua / = cos(u7/4) para valores enteros de t, como en la figura 3a). La señal discreta es (y*) = {— co s(0 ).co s(7 r/4 ),co s(2 * /4 ).co s(3 ;r/4 )— } Para simplificar, se escribe ± .7 en lugar de ± y /2 /2 , de manera que .7 .0 . - .7 . - I . - .7 . 0. .7. I, .7. 0 ....} k =0 La tabla 1 muestra el cálculo de la secuenda de salida {z¿\. donde .35(.7) es una abreviatura de (V 5/4)(> /2/2) = .25. La salida es {/¿}. corrida un término.
http://www.fullengineeringbook.net 282 of 461.
4.8 Aplicaciones a las ecuaciones en diferencias 265
RGURA 3 Señales discretas con diferentes frecuencias.
TABLA 1 *
0 1 2
Cálculo de la salida de un filtro
yk ■Km - i y k+ i i .7 0
3 5*
+ -5 * + , + .3 5 * +2 =
2*
■35(1)
+ .5(.7)
+ .35(0)
=
.7
.7
0
•35(.7)
+ .5(0)
+ .35(—.7) =
0
35(0)
♦ .5(— .7) + .35(— 1) = - . 7
-.7
0
-.7
-1
-.7
-1
-.7
4
-1
-.7
0
.3 5 ( -l ) + .5 (-.7 ) + .35(0)
= -.7
5
-.7
0
.7
.35(— .7) + .5(0)
=
3
.35(—.7) + .5(— 1) + .3 5 (-.7 ) ■ -1 + .35(.7)
0
Una señal de entrada diferente se produce a partir de la mayor frecuencia de la señal y — c q s (37 t7 /4 ) . que se muestra en la figura 3 b). El muestreo a la misma tasa de antes produce una nueva secuencia de entrada: {wk } = { .. .. 1. - .7 . 0 . .7. - 1 , .7. 0, - .7 . 1. - .7 . 0 ....} t
4=0 Cuando se alimenta al filtro con {cuí}, la sal ida es la secuencia cero. El filtro, conocido como fíhm pasa bajos, hace que [y¿) pase, pero detiene a las señales de mayor frecuencia {o>i}. ■ En muchas aplicaciones, se especifica una secuencia {z*} para el lado derecho de una ecuación en diferencias (3). y una (yi) que satisface la ecuación (3) se considera una saharión de la ecuación. El siguiente ejemplo ilustra cómo encontrar soluciones para una ecuación homogénea E J EM PLO 4 Soluciones de una ecuación homogénea en diferencias a menudo tienen la forma yk = r* para alguna r. Encuentre algunas soluciones de la ecuación y k + 3- 2y*+2 - 5yk+i + 6yk = 0
para toda k
(4)
SOLUCIÓN Se sustituye y* p o rre en la ecuación y se factoriza el lado izquierdo: r* +3 —2 r* +2 — 5r* +l + 6r* = 0 r V 3- 2 r 2- 5 r +6) = 0 r*(r-I)(r + 2 )(r-3 )= 0
(6)
Como (5) es equivalente a (6). r* satisface la ecuación en diferencias (4) si y solo si rsatisface (6). Asi. 1*. (-2 )* y 3* son todas soluciones de (4). Por ejemplo, para comprobar que 3* es una solución de (4). calcule 3*+3 — 2- 3*+2 —5 • 3*+l + 6 - 3 * = 3* (27 — 18 — 15 + 6) = 0
http://www.fullengineeringbook.net 283 of 461.
para toda k
■
266
CAPÍTULO 4
Espacios vectoriales
En general, una señal distinta de cero r 1 satisface la ecuación homogénea en diferencias + ‘ " + a n -iy k + i + O n y t = 0
yt+ n
para toda k
si y solo si r e s una raíz de la ecnadán auxiliar r" +
+ ••• + a „ _ ,r + a „ = 0
No vamos a considerar el caso en que res una raíz repetida de la ecuación auxiliar. Cuando la ecuación auxiliar tiene una m iz compleja, la ecuación en diferencias tiene soluciones de la forma s k eos Xa>y s k sen koj, para las constantes s y u t . Esto sucedió en el ejemplo 3.
C onjuntos de soluciones de ecuaciones lineales en diferencias A partir de ai.....a* considere el mapeo T : S -♦ S que transforma una señal {>1 } en una señal {>*} dada por u>k =
y*+» +
+ ••• + O n -i^ t + i
+ o ny k
Es fácil comprobar que T e s una transformación lineal. Esto implica que el conjunto solución de la ecuación homogénea yk+m +aiy*+»-i + - ” + aa-iy*+i + a ny* = 0
para toda k
es el núcleo de T (el conjunto de las señales que T mapea en la señal cero) y. por lo tanto, el conjunto solución es un su b e sp a d o de S. Cualquier combinación lineal de soluciones es de nuevo una solución. El siguiente teorema, un resultado sencillo, pero básico, conducirá a mayor información acerca de los conjuntos solución de ecuaciones en diferencias. TEOREMA 1 6
Si a„ * 0 y si {¿i} está dada, la ecuación yt+n + aiyk+n-i + — + H o-i/t*. i + a¿yi = zk
para toda k
(7)
tiene una única solución siempre que se especifican y q. .... y B. i. DEMOSTRACIÓN Si y o ,..., /„ i se especifican, utilice la ecuación (7) para deñnir y n = z o - [fliyu-t + - ” + o«-iyi + a „ y 0 ]
Y ahora que y \ ..... y „ sc especifican, utilice (7) para definir y 0 + j. En general, utilíce la rela ción de recurrencia y„+k = z k - [aiyi+n-i + ••• + aMyk | (8) para definir y n+k para 1*0. Para definir » para k< 0. utilice la relación de recurrencia y* = — Zk - — [yk+* + aiyk+n-i +-** + flji-iy*+i)
(9)
a»
Esto produce una señal que satisface la ecuación (7). A la inversa, cualquier señal que satis face la ecuación (7) para toda ¿sin duda satisface las ecuaciones (8) y (9). por lo que la solución de la ecuación (7) es única. ■ TEOREMA 17
0 conjunto H de todas las soluciones de la ecuación lineal homogénea en diferencias de n-ésimo orden >1 +17+ a \y i± » -\ + — + ao-iyt+ i + aay¡, = 0 para toda Á es un espacio vectorial de dimensión n.
http://www.fullengineeringbook.net 284 of 461.
(10 )
4.8 Aplicaciones a las ecuaciones en diferencias 267 DEMOSTRACIÓN Como se indicó antes, H es un subespacio de S porque H es el nú cleo de una transformación lineal. Para {^j} en H, sea F {^} el vector en R ” dado por (K). / , ..... ya_ i). Es posible comprobar fácilmente que F : H -* R " e s una transformación lineal. Dado cualquier vector [ya, ..... /»_ i) en el teorema 16 dice que hay una única señal {y¿} en H tal que F \yt} = (_h>. y¡......y„- 0- Esto significa que F e s una transformación lineal uno a uno de H sobre R", es decir. F e s un Isomorfismo. Asi. dlm H = dim R" = a (Véase el ejercicio 32 en la sección 4.5). ■ EJEMPLO 5 en diferencias
Encuentre una base para el conjunto de todas las soluciones a la ecuación y*+j - 2>'*+2 - 5y k+1 + 6 » = 0
para toda A
SOLUCIÓN Nuestrotrabajoenálgebralineal ¡realmente está rindiendo frutos ahora! Sabemos a partir de los ejemplos 2 y 4 que l*. ( - 2 ) i y 3*son soluciones linealmcnte independientes. En general, puede ser difícil comprobar directamente que un conjuntode las señales generae 1 espacio solución. Pero eso no es problema en este caso, debido a dos importantes teoremas: el teorema 17. que demuestra que el espacio solución es exactamente de dimensión 3. y el teorema de la base de la sección 4.5. el cual afirma que un conjunto linealmente independiente de n vectores en un espacio de dimensión n es automáticamente una base. Asi. I1. ( -2 ) * y 31 forman una base para el espacio solución. ■ La solución estándar para describir la “solución general" de la ecuación en diferencias (10) es mostrar una base para el subespacio de todas las soluciones. Dicha base se suele denominar conjunto fundam ental d e so lu c k n fs de (10). En la práctica, si se encuentran n señales linealmente independientes que satisfagan (10). de manera automática generarán el espacio de soluciones de dimensión n, como se explica en el ejemplo 5.
E cuaciones no hom ogéneas La solución general de la ecuación no homogénea en diferencias y*+« + fliy * + n -i
+
+ a nyk = Zk
para toda A
(11)
se puede escribir como una solución particular de (11) más una combinación lineal arbitraria de un conjunto fundamental de soluciones de la ecuación homogénea correspondiente (10). Este hecho es análogo al resultado de la sección 1.5 que muestra que los conjuntos solución de A x = b y A x = Oson paralelos. Ambos resultados tienen la misma explicación: el mapeo x »-►A x es lineal, y el mapeo que transforma la señal {/*} en la señal {zfi en (11) es lineal. Véase el ejercicio 35. EJEMPLO 6
Compruebe que la señal y¡ = A2 satisface la ecuación en diferencias yk+ 3- 4yk+ , + 3y* = —4A
para toda A
(12)
Luego, encuentre una descripción de todas las soluciones de esta ecuación. SOLUCIÓN S u s t i t u y a p o r A2 en el lado izquierdo de (12): (A + 2)J-4(A + l)2 + 3A2 = (A2 + 4A + 4) - 4(A2 + 2A + 1) + 3A2 = —4A Asi. A2 es de hecho una solución de (12). El siguiente paso es resolver la ecuación homogénea y*+2-4y*+ , + 3y* = 0 La ecuación auxiliar es r 2 —4 r + 3 = ( r - l ) ( r —3 ) = 0
http://www.fullengineeringbook.net 285 of 461.
(13)
268 CAPÍTULO 4 Espacios vectoriales Las ralees son r = 1.3. Así que dos soluciones de la ecuación homogénea en diferencias son 1* y 3*. Evidentemente, no son múltiplos una de la otra, por lo que son señales linealmente independientes. De acuerdo con el teorema 17. el espacio solución es de dimensión 2. de manera que 3* y 1* forman una base para el conjunto de soluciones de la ecuación (13). Al trasladar ese conjunto mediante una solución particular de la ecuación no homogénea (12). se obtiene la solución general de (12): A 2 + C| 1* + C23*
O
Jt2 + C | + C 2 3 *
La figura 4 muestra una visualización geométrica de los dos conjuntos solución. Cada punto de la figura corresponde a una señal en S . ■ FIGURA 4
Conjuntos solución de las ecuaciones en diferencias (12) y (13).
Reducción a sistem as de ecuaciones de p rim er orden Una forma moderna de estudiar una ecuación en diferencias homogénea de n-ésimo orden es remplazaría por un sistema equivalente de ecuaciones en diferencias d e primer orden, escrito en la forma x¿+i = Ax±
para toda k
donde los vectores x* están en Mn y A os una matriz d o n x / i Un ejemplo sencillo de tal ecuación en diferencias (con valor vectorial) se estudió ya en la sección 1.10. Otros ejemplos se tratarán en las secciones 4.9 y 7.6 (esta última en el sillo Web). EJEMPLO 7 orden:
Escriba la siguiente ecuación en diferencias como un sistema de primer yk+ 3 ~ 2 y*+2 - 5y k +, + 6y* = 0
para toda k
SOLUCIÓN Para cada k, establezca
La ecuación en diferencias dice que y*+J = - 6 y k + 5y*+i + 2y*+2. por lo que
x* + l —
'o + y*+i + 0 J’Jk+l yk+ i — 0 + 0 + y *+2 = J k + 3. - 6 y k + 5 y * +, + 2y*+2 _
[ i
Es decir. x*+ |
=
A xk
para toda k,
I 0 5
A
donde
En general, la ecuación >’*+« + a iy k + n -i + ’ " + a „ -iy k+l + a„yk = 0
para toda A
se puede rescribir como x*. t = Axk para toda k, donde
_
_
' 0 0
yk
x* =
y*+i : . J'k+n-l.
.
A
1 0
0 1
..
0
0
1 •• -fl,
0‘ 0
= 0 . -a »
~ < *n - 1 - o « - i
http://www.fullengineeringbook.net 286 of 461.
4.8 Aplicaciones a las ecuaciones en diferencias 269
L ecturas adicionales Hamming. R. W.. Digital fílte r s 3 a ed. (Englewood Cliffs, NJ: PrentIce-Hall, 1989), pp. 1-37. Kelly. W. G. y A. C. Peterson, Difference Equations 2a. ed. (San Diego: Harcourt-Aeademic Press. 2001). Mickens. R. E.. Difference Equations, 2 a ed. (Nueva York: Van Nostrand Reinhold. 1990). pp. 88-141. Oppenheim. A. V. y A. S. Willsky. Signáis and System s 2 a ed. (llpper Saddle River, NJ: Prentice-Hall, 1997). pp. 1-14, 21-30. 38-43.
[ p r o b l e m a DE PRÁCTICA Es posible demostrar que las señales 2*. 31sen x - y 3* eos x son soluciones de yk+ 3 - 2yk+i + 9>-jt+i - 18yt = 0 Demuestre que estas señales forman una base para el conjunto de todas las soluciones de la ecuación en diferencias.
4 .8 EJER C IC IO S * Compruebe que las señales de los ejercicios I y 2 son soluciones de la ecuación en diferencias correspondiente. L 2*. (-4)*: yit+i + 2>vt+i - By¡¡ = 0 í
13. * + 1 - y*+i + § * = 0
5*. (—5)*; * , + , - 2 5 * = 0
Demuestre que las señales en los ejercicios 3 a 6 forman una base para el conjunto solución de la ecuación en diferencias correspon diente. 2L Las señales y la ecuación en el ejercicio 1 4
Las señales y la ecuación en el ejercicio 2
&
(-2)*. k (-2)* ;>•*+, + 4yk+l + Ayk = 0
a
4* cos(í^), 4* sen ( x ) ; y*+2 + 16>-» = o
En los ejercicios 7 a 12. suponga que las señales listadas son solucio nes de la ecuación en diferencias dada. ¿I-as señales forman una base para el espacio solución de la ecuación? Justifique sus respuestas usando los teoremas adecuados. • 7. 1*. 2*. (-2)*; yk+i - y*+I - 4>•*+, + 4 » = 0 & (-l)*.2*.3*;y*+, - 4 y t + 2 - H y t + I + 6 y t = 0 a
En los ejercicios 13 a 16. encuentre una base para el espacio solución de la ecuación en diferencias. Demuestre que las soluciones que en cuentre generan al conjunto solución 14 >'i+ i - 5yí+ ] + 6yk = 0
15. 6 * +2 + * + i - 2yk = 0 1& * + 2 - 25* = 0 Los ejercicios 17 y 18 se refieren a un modelo sencillo de la econo mía nacional descrito por la ecuación en diferencias K*+ J - a ( l + 6 ) n + . + a ¿ > ,4 » 1
(14)
Aquí Yk es el Ingreso nacional total durante el año A a es una constante menor que 1. que se llama propensión marginal al consu ma y b es una constante de ajuste positiva que describe cómo los cambios en el gasto de consumo afectan la tasa anual de Inversión privada.1 17. Determine la solución general de la ecuación (14) cuando a = .9 y b = £ ¿Qué pasa con Yk conforme k aumenta? [Sugerencia: En primer lugar, encuentre una solución particu lar de la forma Yk = T. donde Tes una constante, llamada el rtvel de equilibrio del Ingreso nacional], 1& Determine la solución general de la ecuación (14). cuando a = .9 y b = .5.
2*.5*e o s (U ) . 5*sen (*f); >■*+, - 2yt +2 + 25>'*+i - 50yk = 0
1Q (-^ * .* (-2 )* .3 ‘ ; / 4+, + y i+ 1 - 8 y H .,- 1 2 y t = 0 1L (-1)*. 2*; yt+ i - 3yk+i + 4yk = 0 la
3*. (—2)*; y k+4 - 13*+2 + 3 6* = 0
1 Por ejemplo, véase Discreto Dynamtcal Systems de James T. Sandefur (Oxford: Clarendon Press. 1990), pp. 267-276 Fl modelo original acelera dor-multlpticadone atribuye al economista P. A. Samuelsnn
http://www.fullengineeringbook.net 287 of 461.
270 CAPÍTULO 4 Espacios vectoriales Una viga ligera en voladizo esta soportada en los punios /Yespa dados por una distanda de 10 A. y se coloca un peso de 500 Ib en el extremo de la viga, a 10 A del primer soporte, como se muestra en la figura. Sea y » t 1 momento flector en el A^simo soporte. Lúe go. y\ = 5000 A-lb. Suponga que la viga esta rígidamente sujeta al jVéslmo soporte y el momento flector ahí es cero. En medio, los momentos satisfacen la ecuación de tres momentos /*+ J + 4/*+ i + y* ® °
para * = 1.2....... N - 2
(15)
[*---- 10*-----f ---- 10’---- f ----10’— >\ Los ejercicios 23 y 24 se refieren a una ecuación en diferencias de la forma yk+, _ ayk - A. para constantes adecuadas a y b. 21 Un préstamo de $ 10.000 tiene una tasa de Interés del 1% men sual y requiere un pago mensual de S450. □ préstamo se realiza en el mes* = 0, y el primer pago se realiza un mes después, en * » 1. Para * ■ 0.1. 2..... sea yt e\ saldo insoluto del préstamo justo después del Aéslmo pago mensual. Asi, 19l Dstermine la solución general de la ecuación en diferencias (15). Justifique su respuesta.
y, = 10.000 + (.01)10.000 - 450 Nuevo Saldo Intereses Pago saldo adeudado agregados
HX bhcuentre la solución particular de la ecuación (15) que satisfa ce las condiciones frontera y, - 5000 y y s = 0. (La respuesta implica a N). H . Cuando se produce una señal a partir de una secuencia de me diciones efectuadas en un proceso (una reacción química, un flujo de calor a través de un tubo, un brazo robot en moví miento, etcétera), la señal, por lo general, contiene mido alea torio producido por errores de medición. Un método estándar d» procesamiento previo de los datos para reducir el ruido es suavizar o filtrar los datos. Un sencillo filtro es un promedio móvil que sustituye cada y¡ por su promedio con los dos valores adyacentes: b ’t+ i + b * + iy í- i = 2*
a) Escriba una ecuación en diferencias satisfecha por {#}. A) |M| Cree una tabla que muestre k, y el saldo y» al mes k. liste el programa o los tecleos (las instrucciones) para crear la tabla. c) |M] ¿Cuál es el valor de ¿cuando se efectúa el último pago? ¿De cuánto será el último pago? ¿Cuánto dinero en total pagó el deudor?
24
para k = 1. 2....
Suponga que una señal y . para k = 0..... 14. es 9 5. 7. 3. 2. 4.6. 5. 7. 6.8. 10. 9. 5. 7 Utilice el filtro para calcular z,..... zj3. Trace una gráfica de linea discontinua que se superponga a la señal original y a la •eñal suavizada.
22.
Sea {#} la secuencia producida por la toma de muestras de se ital continua 2eos % + eos ^ en t = 0.1.2.....como se indica m la figura l.os valores de empezando con * - 0. son 3j .7, 0. —.7, -3 , -.7 .0 . .7.3. .7.0. ... donde .7 es una abreviatura de %/2/2. a) Calcule la señal de salida {z¡} cuando {y*} alimenta al filtro del ejemplo 3. A) Explique cómo y por qué la salida en el inciso a) está reía clonada con los cálculos del ejemplo 3.
En el tiempo k = 0. con una inversión inicial de SI000 se abre una cuenta de ahorros que paga el 6% de Interés anual con ca pltalizaclón mensual. (La tasa de interés mensual es de .005). Cada mes después de la inversión inicial, se agregan $200 a la cuenta. Para * = 0.1.2..... sea /ila cantidad que hay en la cuen ta al momento i, justo después de que se hace un depósito. di Escriba una ecuación en diferencias que satisfaga {/4}. A) |M| Cree una tabla que muestre A y la cantidad total en la cuenta de ahorros en el mes * para A= 0 a 60, liste su pro gama o los tecleos (las instrucciones) que utilizó para crear h tabla. c) |M| ¿Cuánto habrá en la cuenta después de dos años (es de cir. 24 meses), cuatro años, y cinco años? ¿Qué parte del total a los cinco años corresponderá a los Intereses?
Fn los ejercicios 25 a 28. demuestre que la señal dada es una solu dón de la ecuación en diferencias. Luego, determine la solución ge neral de esa ecuación en diferencias. ** >'* = k 2; >•*+! + 3y*+i - 4y* = 7 + 10* «
y t = 1 + * ; y 4+2 - 6>*+i + 5>* = - 4
>'* = * - 2; y*+2 - 4y* = 8 - 3* »
> • * = ! + 2*; y*+2 - 25y* = -48* - 20
http://www.fullengineeringbook.net 288 of 461.
4.9 Aplicaciones a cadenas de Markov 271
Escriba las ecuaciones en diferencias en los ejercicios 29 y 30 como sistemas de primer orden, m.i = Ax*. para toda k. 2 ^ y*+« + 3y*+3 - 8y*+j + 6y*+i - 2>** = 0
¿Es necesario que las señales sean linealmente Independientes en S? Analícelo. 35. Sean a y ¿números diferentes de cero. Demuestre que el mapeo rdeflnído por T{y$ = {W*}, donde
3a >'*+.' ~ 5y*+j + 8>>* = 0
tu* =>’i + 2 + ay*+i + ¿y*
31. ¿La siguiente ecuación en diferencias es de orden 3"i? Explique su respuesta. yt+ 3 + 5y*+j + 6y*+) = 0
es una transformación lineal de S en S. 3R. Sea k'un espacio vectorial, y sea T: V-* Puna transformación Hneal. Dada i en K suporta que j^,en Psatisface 7\Xf) = i y sea n cualquier vector en el núcleo de T. Demuestre que u + satisface la ecuación no homogénea 7(x) = «.
SSL ¿Cuál es el orden de la siguiente ecuación en diferencias? Expll
que su respuesta. >'á+j + a
+ Oi J í + i + fljy* = 0
37. Sea So el espacio vectorial de todas las secuencias de la forma
33 Sea yk=* & y \ = 2Aji|. ¿Las señales {y*} y {%) son lineal mente independiente^? Evalúe la matriz de Casorati CU) asa dada para k = 0 . k = —1y A= —2, y analice sus resultados.
(jb»yi.>%.•••). y defina las transformaciones lineales Ty Dde So dentro de So por ro o . y». y j....) = Cyi. >*2.>•s....) DO'o. y \. y 3. ...) = (0. yo. y ¡. y , ....)
34 Sean f. g y h funciones Unealmente independientes definidas para todos los números reales, y construya tres senales por mués treo de los valores de las funciones de los números enteros: u* = /(*). v* = g(k), wt = h(k)
Demuestre que TD ■ / (la transformación identidad en So) y qje. sin embargo, D T * I.
SOLUCIÓN AL PROBLEMA DE PRÁCTICA Examine la matriz de Casorati: 2*
3* sen y
2*+i 2*+2
3* eos y
3* + 's e n ¿ p
3k+l eos
3*+2se n í* « i£
3* « e o s & ¥ *
Sea k = 0 y reduzca por filas la matriz para comprobar que llene tres posiciones pivote y que, por lo tanto, es Invertible: P C(0) =
2 L4
0 r 0 3 0 -9
1 0 0
0 3 0
n - 2 -1 3
J
1.a matriz de Casorati es Invertible en k = 0, por lo que las señales son Unealmente inde pendientes. Puesto que hay tres señales, y el espacio solución H de la ecuación en diferencias es de dimensión 3 (teorema 17). las señales forman una base para H. de acuerdo con el teo rema de la base.
4
APLICACIONES A CADENAS DE MARKOV I-as cadenas de Markov descritas en esta sección se utilizan como modelos matemáticos de una amplia variedad de situaciones en biología, negocios, química, ingeniería, física y otros campos. En cada caso, el modelo se utiliza para describir un experimento o una medición que se realiza muchas veces de la misma manera, cuando el resultado de cada ensayo del experimento será uno de varios posibles resultados especificados, y depende solo del ensayo inmediato anterior. Por ejemplo, si la población de una ciudad y sus suburbios se midieran cada año. enton ces un vector tal como .60
http://www.fullengineeringbook.net 289 of 461.
272
CAPÍTULO 4
Espacios vectoriales
podría indicar que el 60% de la población vive en la ciudad y el 40% en los suburbios. Los decimales en x:> suman 1. ya que dan cuenta de toda la población de la región. Los por centajes son más convenientes para nuestros propósitos en este momento que los totales de población. Un vector con entradas no negativas que suman 1 se llama vector de probabilidad Una Matriz estocástica es una matriz cuadrada cuyas columnas son vectores de probabili dad. Una cadena de Markov es una secuencia de vectores de probabilidad de xo, xi. x?..... junto con una matriz estocástica P. tal que Xi = fko.
x¿ = P x¡,
X, = f^X} .
...
Así. la cadena de Markov se describe mediante la ecuación en diferencias de primer orden Xi+i = P xt
para k = 0. 1. 2....
Cuando una cadena de Markov de vectores en R" describe un sistema o una serie de experimentos, las entradas en x¿ listan, respectivamente, las probabilidades de que el sistema esté en cada uno de los n posibles estados, o las probabilidades de que el resultado del expe rimento sea uno de los n posibles resultados. Por esta razón. x¿ con frecuencia se llama un vector de estado EJ EMPLO 1 En la sección 1.10 se examinó un modelo para los movimientos de pobla ción entre una ciudad y sus suburbios. Véase la figura 1. La migración anual entre estas dos partes de la zona metropolitana se regía por la m a triz d e m ig ra ció n M. De: Ciudad Suburbios De: Ciudad Suburbios
Es decir, cada año el 5% de la población de la ciudad se muda a los suburbios, y el 3% de la población de lossubuibias se muda a la ciudad. Las columnas de A/son vectores de probabili dad. por lo que M es una matriz estocástica. Suponga la población de la región en el año 2000 era de 600.000 en la ciudad y de 400.000 en los suburbios. Entonces, la distribución inicial de la población en la región está dada por xo en la ecuación (1) anterior. ¿Cuál es la distribución de la población en el año 2001? ¿Y en 2002?
RGURA1 Migración porcentual anual entre la ciudad y los suburbios.
SOLUCIÓN Eh el ejemplo 3 de la sección LIO, vimos que después de un año, el vector de 600.000' P°blaaón[ m o o o ] cambi6a .95 .05
.03 *1[ 600.000 I T 582.000 ] .97 J [ 400.000 J L418*000]
http://www.fullengineeringbook.net 290 of 461.
4.9 Aplicaciones a cadenas de Markov 273
Si dividimos ambos lados de esta ecuación entre la población total de un millón y considera mos el hecho de que k.W x = M (kx), se encuentra que .95 .05
El vector X| =
.0 3 "lí".6 0 0 1 _ I".5821 .97 .400 .418
JL
J [
J
j da la distribución de la población en 2001. Es decir, el 58.2% de la
región vivía en la ciudad y el 41.8% vivía en los suburbios. Del mismo modo, la distribución de la población en el ano 2002 se describe por un vector x?, donde .031 r .5821 _ r .565 1
x2 = Mx i
97 JL*418 J _ L-435J
EJEMPLO 2 Suponga que el resultado de la votación durante las elecciones de un con greso en un distrito de votación está representado por un vector xen R3: % de votación por los demócratas (D) % de votación por los republicanos (R) % de votación por los liberales (L) Suponga que se registra el resultado de las elecciones al congreso cada dos años mediante un vector de este tipo y que el resultado de una elección solo depende de los resultados de la elección anterior. Entonces, la secuencia de los vectores que describen los votos cada dos años puede ser una cadena de Markov. Como un ejemplo de una matriz estocástica P para esta cadena, tomamos De: D
R
L
A
.70 .20 .10
.10 .80 .10
.30" .30 .40
D R L
Las entradas en la primera columna, denotada como D , describen qué van a hacer en las próximas elecciones las personas que votaron por los demócratas en una elección. Aquí su pusimos que el 70% votará de nuevo por los demócratas en las próximas elecciones, el 20% votará por los republicanos, y el 10% dará su voto a los liberales. Similares interpretaciones valen para las otras columnas de P. Un diagrama de esta matriz se presenta en la figura 2. .70
.80
.40 FIGURA 2 C am bies en la votación de una elección a la siguiente.
http://www.fullengineeringbook.net 291 of 461.
274
CAPÍTULO 4
E s p a c io s v e c to ria le s
Si los porcentajes de 'transición" se mantienen constantes a lo largo de muchos años de una elección a otra, entonces la secuencia de los vectores que dan los resultados de la votación constituye una cadena de Markov. Suponga que el resultado de una elección está dado por
Determine el resultado probable de la siguiente elección y el resultado probable de la elección posterior. SOLUCIÓN H resultado de la siguiente elección se describe mediante el vector de estado xi y el de la elección posterior por X2. donde .10
x, = P x o =
x2 = P x |
El 44% votará por D El 44.5% votará por R FJ H.5% votará por L
.80 .10 .70 .20 .10
El 38.7% votará por D El 47.8% votará por R El 13.5% votará por L
.10 .80 .10
Para entender por qué X|, efectivamente, da el resultado de las próximas elecciones, su ponga que 1000 personas votaron en la 'primera" elección, con 550 votos a favor de D. 400 votos a favor de R y 50 votos a favor de L. (Véase los porcentajes en *,). En la siguiente elección, el 70% de los 550 votarán de nuevo por D, el 10% de los 400 cambiará su voto de R a D. y el 30% de los 50 cambiará de L a D. De esta forma, el total de votos para D será .70(550) + .10(400) + .30(50) = 385 + 40 + 15 = 440
(2)
Así. el 44% de la próxima votación será a favor del candidato demócrata. El cálculo en (2) es. en esencia, el mismo que se utilizó para calcular la primera entrada en z {. Se podrían hacer cálculos análogos para las otras entradas en x,. para las entradas en x 2, y así suce sivamente. ■
Predicciones del futuro lejano El aspecto más interesante de las cadenas de Markov es el estudio del comportamiento a largo plazo de una cadena. Por ejemplo, ¿qué se puede decir en el ejemplo 2 de la votación después de que han pasado muchas elecciones (suponiendo que la matriz estocástica dada continúe describiendo los porcentajes de transición de una elección a la siguiente)? O. ¿qué sucede con la distribución de la población en el ejemplo 1 "a largo plazo"? Antes de responder estas preguntas, veamos un ejemplo numérico.
EJEM PLO 3
Sea P =
Considere un sistema cuyo estado
está descrito por la cadena de Markov x ^ .j = r tq . para k = 0, 1,... ¿Qué sucede con el sistema a medida que transcurre el tiempo? Para averiguarlo, calcule los vectores de es tado de X|..... xiv
http://www.fullengineeringbook.net 292 of 461.
4.9
A p lic a c io n e s a c a d e n a s d e M a rk o v
275
SOLUCIÓN
Xj =
Px o
'[i X2 = PX |
*3 = PX2
-[í ■[í
Los resultados de los cálculos posteriores se muestran a continuación, con las entradas redon deadas a cuatro o cinco cifras significativas.
*4 =
x$ =
*5 =
' .3064 "1 .5813 ,
X9 =
’ .30041 .5988 .
x* =
..1123 J
x,0 =
.ioosj
*12
=
*13 =
‘ .300021 .59993 . .10005
*u
J
.3032 .5906 .1062
.
[ .3016“ .5953
'.3 0 0 2 ' .5994 . .1004
'.3 0 0 1 ' .5997 .1002
.1031 X ||
'.3 0 0 0 1 ] .59996 .
. 10002]
".30001" .59998
XI5
.10001
^ .6 j . Las probabilidades son difíciles de cambiar
Estos vectores parecen acercarse a q
de un valor de k al siguiente. Observe que el siguiente cálculo es exacto (sin ereores de redondeo): '. 5 .3 .2
.2 .8 0
.3 ' .3 .4
'. 3 ' .6 = .1
'.1 5 + . 1 2 + .0 3 ' =
.09 + .48 + .03 .0 6 + 0
+ .04
'. 3 0 ' .60 .10
Cuando el sistema está en estado % no hay ningún cambio en el sistema de una medición a la siguiente. ■
V ectores de e stad o estable Si P e s una matriz estocástica, entonces un vector d r estado estable (o vector de equ3ibrio de P es un vector de probabilidad q ta l que
pn m q Es posible demostrar que toda matriz estocástica tiene un vector de estado estable. En el ejemplo 3, q es un vector de estado estable de P.
E JE M P L O 4
El vector de probabilidad q =
^^ 5 j es un vector de estado estable para
la matriz de migración de población M en el ejemplo 1 , porque
.. ,q
f .95 [.0 5
J
J
.03 I T . 3751 . 97 [_.625
f. 35625 +
J
.01875] [.01875 + .60625
http://www.fullengineeringbook.net 293 of 461.
f .375 ] [.6 2 5
J
q
“
276
CAPÍTULO 4
E s p a c io s v e c to ria le s
Si el total de la población de la región metropolitana en el ejemplo 1 es de 1 millón, en tonces qdel ejemplo 4 correspondería a tener 375.000 personas en la dudad y 625,000 en los suburbios. Al final de un año. la cmigraciónáe la dudad sería (.05)(375,000) = 18,750 perso nas, y la inmigración a la dudad proveniente de los suburbios sería (.03)(625,000) = 18,750 personas. Como resultado, la pobladón de la d u dad seguirla siendo la misma. Asimismo, la población de los suburbios se mantendría estable. F3 siguiente ejemplo muestra cómo encontrar un vector de estado estable. E JE M P L O 5
Sea P
-U i)
Encuentre un vector de estado estable para P.
SOLUCIÓN En primer lugar, se resuelve la ecuaaón P x = x P x —x = 0 P x - Ix = 0
(P
Recuerdí d< la sección 1.4 que fx = x
= 0
-/)x
Para la P anterior.
3 ]"[¿
l] “ [ A -J]
Para encontrar todas las soluciones de (P - /)* = 0. se reduce por filas la matriz, aumentada: f —.4 .3 [ .4 - . 3 Entonces
0] Oj
[ -.4 [ 0
.3 0
Ol oj
[l [o
-3 /4 0
01 oj
\ x i y x2 es libre. La solutión general es x i
A continuadón, se elige una base sencilla para el espado soludón. Una elecaón evi dente es
j. pero una m ejor opdón, sin fracciones, es "
= £4
j (correspondiente
a x2 = 4). Fbr último, encuentre un vector de probabilidad en el conjunto de todas las soluciones de P x = x Este proceso es fádl. ya que cada soludón es un múltiplo de la soludón w anterior. Divida w entre la suma de sus entradas para obtener
Para comprobar, calcule 6/10 4/10
3 /1 0 I T 3 /7 1 _ [ 1 8 / 7 0 + 12/701 _ [ 3 0 /7 0 1 _ 7/10 4 /7 [ l 2 / 7 0 + 2 8 /7 0 [ 4 0 /7 0
J[
J
J
J q
El siguiente teorema demuestra que lo que sucedió en el ejemplo 3 es característico de muchas matrices estocásticas. D edm osque una matrizestocástica es r e g ila rs i alguna potend a de la matriz Pk contiene solo entradas estrictamente positivas. Para P e n el ejemplo 3,
Ya que cada entrada en P1 es estridamente positiva. P e s una matriz estocástica regular. Además, se dice que una secuencia de vectores {x¿: k = 1, 2....} converge a un vector q conforme k - * 00si las entradas en ay se pueden acercar tanto como se desee a las entradas correspondientes en q a l hacera k suficientemente grande.
http://www.fullengineeringbook.net 294 of 461.
4.9
TEOREMA
18
A p lic a c io n e s a c a d e n a s d e M a rk o v
277
SI P es una matriz de n x n estocástica regular, entonces A tiene un único vector de estado estable q Además, si xo es cualquier estado inicial y una x í + i = P kt para k 0, ......entonces la cadena de Markov converge a q conforme k -+
=
1.2
{x*}
®.
Este teorema se demuestra en los libros que analizan cadenas de Markov. La parte sor prendente del teorema es que el estado inicial no tiene ningún efecto sobre el comportamiento a largo plazo de la cadena de Markov. Se verá más adelante (en la sección 7.2. en el sitio Web) por qué esto es cierto para varias matrices estocásticas estudiadas aquí.
EJEMPLO 6 En el ejemplo 2, ¿qué porcentaje de los electores tienden a volar por el candidato republicano en alguna elección muchos años después a partir de ahora suponiendo que el resultado de las elecciones forman una cadena de Markov? SOLUCIÓN Para los cálculos a mano, el enfoque equivocado es elegir algún vector inicial X(>y calcular X|.....x¿ para algún valor grande de k. No hay manera de saber cuántos vectores habrá que calcular, y no se puede estar seguro de los valores límite de las entradas en x*. El enfoque correcto es calcular el vector de estado estable y. luego, recurrir al teorema 18. Dado P com o en el ejemplo 2. se forma P - /restando 1 de cada entrada diagonal en P. Después se reduce por filas la matriz aumentada:
[ - . .23
.1 .3 - . 2 .3
.1
.1 -.6
0' 0 0
Recuerde, de trabajos anteriores con decimales, que el cálculo se simplifica al multiplicar cada fila por 10.1
1 3 -2 3 L • 1 -6
°1 0 oj
--
P 0
Lo
0 1 0
-9 /4 - 1 5 /4
0
°1 0
oj
La solución general de {P - l)x = Oes x \ = ¡xj. x i — ^ x j y x3es libre. Eligiendo x3 = 4. se obtiene una base para el espacio solución cuyas entradas son enteros, y a partir de ello se encuentra fácilmente el vector de estado estable cuyas entradas suman 1:
Las entradas en q describen la distribución de los votos en una elección que se celebrará den tro de muchos añas (suponiendo que la matriz estocástica continúa describiendo los cambios de una elección a otra). Así. finalmente, alrededor del 54% de los votos serán para el candida to republicano. ■1
1 Advertencia: No solo multiplique P por 10. En vez de ello, multiplique la matriz aumentada para la ecuación ( P - /)* -0 p o rl0 .
http://www.fullengineeringbook.net 295 of 461.
278
CAPÍTULO 4
E s p a c io s v e c to ria le s
----- NOTA N U MÉ RI CA -----------------------------------------------------------------------------Quizás haya notado que si x *41 = P*t para k = 0. 1,... entonces x¿ =
= PC/3»)) =
y. en general. = P*»)
para k = 0. 1....
Para calcular un vector específico, tal como xj. se necesitan menos operaciones arit méticas para calcular »i. »2 y x?, más que P* y PV>. Sin embargo, si P es pequeña, por ejemplo. 30 x 30. el tiempo de cálculo de la máquina es insignificante con am bos métodos, y tal vez se prefiera un comando para calcular /*»). ya que requiere teclear menos.*1
PROBLEMAS DE PRÁCTICA» 1. Suponga que los habitantes de una región metropolitana se desplazan de acuerdo con las probabilidades de la matriz de migración M del ejemplo 1. y que se elige un residente *al azar’ . Entonces, un vector de estado para un año determinado se puede interpretar como un indicador de las probabilidades de que la persona sea residente de la ciudad o de los suburbios en ese momento. a) Suponga que la persona elegida es un residente de la ciudad ahora de manera que *o =
1 . ¿Cuál es la probabilidad de que esa persona viva en los suburbios el 0
año próximo? ó) ¿Cuál es la probabilidad de que esa persona viva en los suburbios en dos años? 2. Sea P = ^ a
7 j. ¿Es ^ un vector de estado estable para Pí
g Jy
¿Qué porcentaje de la población en el ejemplo 1 vivirá en los suburbios después de mu chos años?
4 . 9 EJERC IC IO S* 1 2 1. Un pueblo remoto y pequeño recibe transmisiones de radio de dos estaciones radiofónicas: una de noticias y una emisora de música De los oyentes que sintonizan la emLsora de noticias, el 70% seguirá escuchando las noticias después del corte de esta ción que ocurre cada media hora, mientras que el 30% slntoni a r á la estación de música durante el corte de estación. De los oyentes que sintonizan la estación de música, el 60% cambiará a la estación de noticias en el corte de estación, mientras que el 40% permanecerá escuchando la música. Suponga que todos los habitantes están escuchando las noticias a las 8:15 a . m .
mento en el siguiente ensayo con una probabilidad del 60%. y elegirá cualquiera de los otros alimentas en el siguiente ensayo con Iguales probabilidades del 20%. a) ¿Cuál es la matriz estocástlca de esta situación? A) Si el animal elige el alimento #1 en un ensayo inicial, ¿cuál es la probabilidad de que elija el alimento *2 en el segundo ensayo después del inicial?
á) Dé la matriz estocástlca que describe cómo los oyentes de radio tienden a cambiar las estaciones en cada corte de esta clóa Rotule las filas y las columnas. Dé el vector de estado Inicial. c) ¿Qué porcentaje de los oyentes estará escuchando la emi sora de música a las 9:25 a . m . (después de los cortes de esta ción de las 8:30 y de las 9:00 a . m .)? 2. Un animal de laboratorio puede comer cualquiera de tres ali mentos cada día Los registros de laboratorio indican que si el animal elige un alimento en un ensayo, elegirá el mismo ali
a
En un día cualquiera, un estudiante está sano o enfermo. De los estudiantes que están sanos hoy. el 95% estarán sanos mañana.
http://www.fullengineeringbook.net 296 of 461.
4.9 De los estudiantes que están enfermas hoy. el 55% seguirán en fermos mañana.
Aplicaciones a cadenas de Markov 279
alrededor del 11.7% de la población total vivía en California. ¿Qué porcentaje de la población total con el tiempo vivirá en California si las probabilidades de migración mencionadas se mantuvieran constantes durante muchos años?
á) ¿Cuál es la matriz estocástlca de esta situación? b) Suponga que el 20% de los alumnos están enfermos el lunes. ¿Qué fracción o porcentaje de los estudiantes es probable que estén enfermos el martes? ¿Y el miércoles?
CA [.9821 [.0179
d Si un estudiante está sano hoy, ¿cuál es la prohabilidad de que esté sano dentro de dos días?
De: Resto de E.U.A. .00291 .9971J
A: California Resto de EU. A
4 El clima en Columbas es bueno, regular o malo en un día deter minado. Si el clima es bueno hoy, hay un 40% de probabilidad de que sea bueno mañana, un 30% de probabilidad de que sea regular, y un 30% de que sea malo. Si el clima es regular hoy. existe un 50% de prohabilidad de que sea bueno mañana, y un 20% de probabilidad de que sea regular. Por último, si el clima es malo hoy. existe un 30% de probabilidad de que sea bueno mañana y un 40% de que sea regular, á) ¿Cuál es la matriz estocástlca de esta situación? b) Suponga que hay una probabilidad del 50% de buen clima hoy. y una probabilidad del 50% de clima regular. ¿Cuáles son las probabilidades de que el clima sea malo mañana? r) Suponga que. de acuerdo con los pronósticos para el lunes, hay un 60% de probabilidad de que el clima sea regular y un 40% de que sea malo. ¿Cuáles son las probabilidades de tener buen clima el miércoles? En los ejercicios 5 a 8. encuentre el vector de estado estable. &
7.
.1 .9
[
■51 •5J .1 .8 .1
5] .1 .2 .7
.5 .5 0
ft Determine si P = ^ ‘: í l t t Determine si P =
* Lc1
es una matriz estocástlca regular, o' 1j .7 J
es una matriz estocástlca regular.
1L á) Encuentre el vector de estado estable para la cadena de Markov en el ejercicio 1. b) En algún momento al final del día. ¿qué fracción de los oyentes escuchará las noticias? I Z Consulte el ejercido 2. ¿Qué alimento preflete el animal des pués de muchas ensayos? • 12 a) Encuentre el vector de estado estable para la cadena de Markov en el ejercicio 3. b) ¿Cuál es la probabilidad de que. después de muchos días, un estudiante en particular esté enfermo? ¿Importa si esa perso na está enferma hoy?
14 Consulte el ejercicio 4. En el largo plazo, ¿qué tan probable es que el clima en Columbas sea bueno en un día determinado? 12 ;M]LaUnldaddelnvestlgaclónDemográflcadelDepartamento de Finanzas del Estado de California proporcionó los siguientes datos para la matriz de migración, la cual describe el movimien to de la población de Estados Unidos durante 1989. En ese año.
la
[M'| En Detroit, Hertz Rent A Car cuenta con una flota de cerca de 2000 automóviles. El patrón de puntos de alquiler y devolución de las unidades está descrito por las fracciones en la siguiente tabla. En un día tipleo, ¿cuántos autos estarán listos para rentarse en la sucursal ubicada en el centro de la ciudad? Autos rentados en: Apto, fi era de ct " iT S ?0 Centro Devueltos en: r.9o Aeropuerto de la cd .01 .09' .90 .01 Centro 01 [.09 .09 .90 Apto, fuera de cd
* 17. Sea P una matriz estocástlca de n x n. El siguiente argumento Indica que la ecuación Ptt = x tiene una solución no trivial. (De hecho, una solución de estado estable existe con entradas no negativas. En algunas libros de texto avanzados se da una de mostración). Justifique cada una de las siguientes afirmaciones. (Mencione un teorema cuando sea pertinente). a) Si todas las otras Alas de P - /se suman a La fila de abajo, el resultado es una fila de ceros. b) Las filas de P - /son linealmente dependientes. di 1.a dimensión del espacio fila de P - /es menor que n. d) P - /tiene un espacio nulo no trivial. 1& Demuestre que toda matriz estocástlca de 2 x 2 tiene al menos i r vector de estado estable. Cualquier matriz de este tipo se puede representar en la forma
1 - 0 ]'
n y ¡3 son constantes entre 0 y 1. (Hay dos vectores de estado estable, llnealmente independientes, si a = 0 = 0. De lo con trario. solo hay uno). • 19l Sea S una matriz fila de 1 x n con un 1 en cada columna. ^ - |1 1 - 1 1 á) Explique por qué un vector xen Rfl es un vector de proba bllidad si y solo si sus entradas son no negativas y A - 1. (Una matriz de 1 x 1 como el producto ¿«generalmente se representa sin los símbolos de corchete de la matriz). b) Sea P una matriz estocástlca de n x n. Explique por qué SP= S. <) Sea P una matriz estocástlca de n x n, y sea x un vector de probabilidad Demuestre que /Aes también un vector de probabilidad. 80. Con base en el ejercicio 19. demuestre que si P es una matriz
estocástlca d e n x n , entonces también lo es F*.
http://www.fullengineeringbook.net 297 of 461.
280
CAPÍTULO 4
Espacios vectoriales
H . [M] Examine las potencias de una matrizestocástica regular.
Haga una conjetura sobre lo que podría ser cierto para cual quier matriz estocástica regular.
é Calcule Zapara A» 2,3. 4. 5. cuando .3355 .2663 .1935 .2047
.3682 .2723 .1502 .2093
.3067 .3277 .1589 .2067
c) Con base en el teorema 18. explique lo que encontró en los Incisos á) y b).
.0389 .5451 .2395 .1765
Presente los cálculos con cuatro decimales. ¿Qué ocurre a las columnas de f* conforme k aumenta? Calcule el vector de estado estable para P. ti¡ Calcule ( f para k = 10. 20..... 80. cuando .97 0 .03
.05 .90 .05
.10 .05 .85
(La estabilidad de Qk con cuatro decimales puede requerir k » 116 o más). Calcule el vector de estado estable para Q.
TL [M] Compare dos métodos para encontrar el vector de estado estable q de una matriz estocástica regular P. 1. calculando q como en el ejemplo 5 . o t calculando Pk para un valor gande de Ay utilizando una de las columnas de Pi como una aproxl marión para q Experimente con las matrices aleatorias estocásticas más gran des que su programa de matrices le permita, y utilice A = 100o algún otro valor grande. Para cada método, describa el tiempo que tntpdnecesita para teclear y ejecutar su programa (Algu nas versiones de MATLAB tienen los comandos f l o p s y t i c ... t o e que registran el número de operaciones de punto flotante y el tiempo total transcurrido que utiliza MATLAB). Compare las ventajas de cada método y determine cuál prefiere.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. a) Como el 5% de los residentes de la d u dad se mudará a los suburbios en menos de un año, hay una probabilidad del 5% de elegir a esa persona. Sin profundizar en el conodm iento acerca del individuo, se dice que hay un 5% de probabilidad de que este se mude a los suburbios. Este hecho se encuentra en la segunda entrada del vector de estado *|. donde
»-«--[S S][i]-[S] b) La probabilidad de que la persona viva en los suburbios después de dos años es del 9.6%, poique
2. El vector de estado estable satisface P
Fq~ [ *
i Como
í ] H " t s ] ’‘ q
llegamos a la conclusión de que q no es el vector de estado estable para P.
a
M en el ejemplo 1 es una matriz estocástica regular, ya que sus entradas son estricta mente positivas. Asi que podemos utilizar el teorema 18. Ya conocemos el vector de es tado estable del ejemplo 4. Por lo tanto, los vectores de distribución de la población x< convergen en
r.375 q WEB
CAPÍTULO
4
[.625
Al final, el 62.5% de la población vivirá en los suburbios.
E JE R C IC IO S CO M P LEM EN TA R IO S
1. Marque cada enunciado como verdadero o falso. Justifique sus íespuestas. (Si es verdadero, cite hechos o teoremas pertinentes. Si es falso, expl ique por qué o dé un contraejemplo que muestre por qué el enunciado no es cierto en todos los casos). En los
incisos á) a /), y,..... v^son vectores en un espacio vectorial V con dimensión finita diferente de cero, y 5 " {vi.....y¿. U conjunto de todas las combinaciones lineales de vt.....yp es un espacio vectorial.
http://www.fullengineeringbook.net 298 of 461.
Capítulo 4 Ejercicios complementarlos 2 8 1 b) Si (»i.....»p-i} genera a V. entonces 5genera a V. 4 Si es llnealmente Independiente, también 5 b es. d) SI 5 es llnealmenle Independiente, entonces 5 es una base para V. ej S¡ Gen 5 = V. entonces algún subconjunto de 5 es una base para V. f) Sldlm V - p y Gen 5 - V, entonces 5 no puede ser lineal mente dependiente. g) Un plano en R3es un subespació de dimensión 2. fí) Ias columnas de una matriz que no son pivote siempre son Hnealmente dependientes. i) Las operaciones de flla en una matriz A pueden cambiar las elaciones de dependencia lineal entre las filas de A J) Las operaciones de Ala en una matriz pueden cambiar el es pació nulo. i) El rango de una matriz es igual al número de filas diferentes (fe cero. l) Si una matriz A de m x oes equivalente por filas a una matriz escalonada U, y si U tiene ¿filas diferentes de cero, entonces la dimensión del espado solución de Ax = Oes m - k. m) Si Ase obtiene a partir de una matriz A con varias operacio nes elementales de illa entonces rango B ■ rango A. ríj las filas diferentes de cero de una matriz A forman una base para Flla A 0) Si las matrices A y Atienen la misma forma escalonada re ducida. entonces Flla A = Flla B. p) SI H es un subespacio de R3, entonces hay una matriz A de 3 x 3 tal que / / = Col A. 11) Si A es m x n y rango A - m . entonces la transformación lineal x —» /bies uno a uno 1) Si A es de m x n y la transformación lineal x-* A x es sobre, entonces rango A m m $ Una matriz de cambio de coordenadas siempre es invertible. /) SI 6 = {bi.....b*} y C = {ci.......son bases para un es pacio vectorial V. entonces la j-ésima columna de la matriz (fe cambio de coordenadas de la matriz c P¡¡ es el vector de coordenadas 2 Encuentre una base para el conjunto de todos los vectores de la forma a —2b + 5c 2a + 5h - 8c (Tenga cuidado). - a —4b + 7c 3a + b + c 31 Sean
y
el método descrito en la demostración del teorema del conjunto generador (sección 4.3) con la finalidad de obtener una base para H. (Explique cómo selecdonar los miembros adecuados de 5).
6. Suponga que p . p>. p„ pi son polinomios específicos que ge reran un subespaclo H de dimensión 2 de P 5. Describa cómo se puede encontrar una base para //mediante el examen de los cuatro polinomios y sin hacer casi ningún cálculo. 7. ¿Qué tendría que saber acerca del conjunto solución de un siste ma homogéneo de 18 ecuaciones lineales con 20 variables con la finalidad de determinar que cada ecuación no homogénea asociada tiene una solución? Analice.
.
8 Sea //u n subespaclo de dimensión n de un espacio vectorial V efe dimensión n. Explique por qué H ■ V. 9
Sea T: M" -* R® una transformación lineal. a) ¿Cuál es la dimensión del rango de 7sl Tes un mapeo uno a uno? Explique su respuesta. ¿Cuál es la dimensión del núcleo de 7*(véase la sección 4.2) si Trapea Resobre R*7 Explique su respuesta.
10. Sea 5 un subconjunto maxlmal llnealmenle independiente de un espado vectorial V. Es decir. 5 tiene la propiedad de que si un vector que no está en 5 se adjunta a 5 entonces el nuevo con Junto ya no será linealmente independiente. Demuestre que 5 debe ser una base para V. [Sugerencia: Pregúntese qué pasa si Ses linealmente Independiente, pero no una base de F). 11. Sea 5 un conjunto generador mínimo ñnlto de un espacio vecto rial V Es dedr, 5 tiene la propiedad de que si un vector se elimi na de 5 entonces el nuevo conjunto ya no genera a V. Demuestre que 5debe ser una base para V. Los ejercicios 12 a 17 desarrollan las propiedades del rango que a veces son necesarias en las aplicaciones. Suponga que la matriz A es de m x n. 12. A partir de los Incisos a) y b) demuestre que el rango AB no puede exceder al rango de A o al rango de A (En general, el rango de un producto de matrices no puede exceder el rango de cualquier otro factor en el producto). a) Demuestre que si Aes de n x p, entonces rango AB £ ran go A [Sugerencia: Explique por qué cada vector en el es pacio columna de AAestá en el espacio columna de A). Demuestre que si A es n x p, entonces rango AB ^ rango A. [Sugerencia: Tome en cuenta el inciso a) para estudiar el rango de (AA)7]. 13. Demuestre que si Pes una matriz invertible de m x m, entonces ei rango PA — rango A [Sugerencia Aplique el ejercicio 12 aPAyP-'(PA)\.
W - Gen {■], t*}. Encuentre una descripción implícita de W. es decir, encuentre un conjunto de una o más ecuaciones homo gíneas que caracterizan a los puntos de W. [Sugerencia: Pre gúntese cuándo está ben IV]. 4 Explique loque está mal en el siguiente análLsls: Sea t[i) = 3 + / y g ó = 3/ + r2. y note que = /Ki). Entonces. {£ g) es linealmente dependiente, porque ges un múltiplo de £
14 Demuestre que si Q es Invertible, entonces rango AQ = ran go A. [Sugerencia: Tome en cuenta el ejercicio 13 para estudlarel rango de (AQ1}.
i
1& Si A es una matriz de m x n de rango r, entonces la factoriza dón de rango de A es una ecuación de la forma A = CP donde Ces una matriz de m x rde rango r, y Res una matriz de r x n
Considere los polinomios p.(i) ■ I + /. p *0) ■ 1 - /. puto “ 4. p<(i) = t + y pü«) = 1 + 2/ + /*. y sea H e1 subespado de P 5 generado por el conjunto 5 * {p¡. p p . p Utilice
15. Sea A una matriz de m x n. y Aúna matriz de n x p tales que AB = 0. Demuestre que rango A + rango B-s. n. [Sugerencia. Considere que uno de los cuatro subespaclos Nul A Col A, Nul Ay Col Ase encuentra en uno de los otros tres subespaclos).
http://www.fullengineeringbook.net 299 of 461.
28 2
CAPÍTULO 4
E s p a c io s v e c to ria le s
(fe rango r. Tal factorizaclón siempre existe (ejercicio 38 en la sección 4.8). Dadas dos matrices A y B de m x n utilice facto rizaclones de rango de A y B para demostrar que rango (A + Bl £ rango A + rango B [Sugerencia: Escriba A + 5 como el producto de dos matrices particionadasj. 17. Una anfcmaíriz de una matriz A es cualquier matriz que re silta de la eliminación de algunas filas y/o columnas (o de nln guna) de A Es posible demostrar que A tiene rango r s i y solo ¡d A contiene una submatriz invertible de r x r y ninguna sub matriz cuadrada mayor es invertlble. Demuestre parte de este enunciado explicando: a) por qué una matriz A de m x n y ran go r tiene una submatriz A\ de m x r y rango r. y por qué A\ tiene una submatriz invertible Ajde r x r. El concepto de rango desempeña un papel importante en el diseño de sistemas de control de Ingeniería, como el sistema del transbordador espacial mencionado en el ejemplo introductorio de este capitulo. Un modelo de espacios de estado de un sistema de control incluye una ecuación en diferencias de la forma «*+i - / t x + p a r a ¿ " 0 . 1,...
(1)
donde A es de n x n B es de n x m {xt} es una secuencia de 'vectores de estado' en R" que describe el estado del sistema en tiempos discretos, y {»¿} es una secuencia de control o de entrada Se dice que el par (A B>es CMÉr é É h s i rango [B AB Ai B -
A ^ 1 B\ = n
(2)
La matriz que aparece en la ecuación (2) se llama nofr-fa de rantro b h i i h d del sistema. Si (A fl) es controlable, entonces el sistema se puede controlar, o conducir del estado Oa cualquier estado espe dflcado v (en R") en un máximo de n pasos, simplemente eligiendo una secuencia de control adecuada en R“ . Este hecho se ilustra en el ejercicio 18 para n = 4 y m = 2. Para un análisis adicional de la
capacidad de control, visite el sitio Web de este libro (estudio de raso del capitulo 4).
| WEB 18 Suponga que A es una matriz d e 4 x 4 y # e s u n a matriz de 4 x 2. y sea que representen una secuencia de vec tores de entrada en DI2. a) Establezca Xo = Q calcule x¡...... x¡ a partir de la ecua ción (1). y escriba una fórmula para x< que implique a la matriz de controlabilidad M que aparece en la ecuación (2). (Nota: La matriz .Use construye como una matriz particio rada; su tamaño total aquí es 4 x 8). tí) Suponga que (A B) es controlable y T es cualquier vector en üt4. Explique por qué existe una secuencia de control i*......t>; en R2tal que x< = ▼. Determine si los pares de matrices de los ejercicios 19 a 22 son con trolables. A=
’ .9 1 0 - .9 0 0
0‘ 'o ' 0 .B = 1 1 .5 _
T '.8 - .3 0' A — .2 .5 1 .B = 1 0 0 0 - .5 . ' 0 0 (MJ A = 0 -2
1 0 0 -4 .2
‘ 0 1 0 0 [M] A = 0 0 -1 -13
0 1 0 -4 .8
0 ' ■ r 0 0 .B = 0 1 - 3.6 _ -1
■ r 0 0 ‘ 1 0 0 .8 = 0 0 -12.2 - 1.5 _ -1
http://www.fullengineeringbook.net 300 of 461.
Autoevaluaclón 283
A U TO EVA LU A C IÓ N 1. De los siguientes conjuntos V=
\ y = *}. W = {(* > ) : / & 0 } . U = { y = x + 1}
son espacios vectoriales. a) solamente W b) U y V c) solamente U d) solamente V 2. Si W = {{a + 6 b, 5b, 5a - b, - a ) } , un conjunto generador de IVes a) {(1.5. 5 . - 1 ) . ( 6 .0 .- 1 .0 ) } b) {(1.0. 5 . - 1 ) . ( 6 .5 .- 1 .0 ) } c) {(1.0. 5.0). (6. 0. - 1 .0 ) . (0. 5.0 . -1 )} d) ninguno de los anteriores. i
Encontrar un conjunto generador del espado nulo de la matriz -2 5 3
1 -2 -1 4.
-3 4 1
-1
2 1
Encontrar una base para el espacio columna de la matriz 1 0 0 0 0
5.
3 -5 -2
0 1 0 0 0
-1 0 0 0 0
-2 4 0 0 0
0 0 1 0 0
6 0 o i 0
Si W = { ( - 2 s - 3/. 2t, 3s + 0 } . encontrar una matriz cuyo espacio columna sea igual a W.
6i Determinar si ui = ( - 2 . 4. 4). v 2 m (1, 0, - 5 ) y u3 = (6. -1 0 . 14) forman una base de R*. 7. Dado el conjunto de vectores S = {(1. 0 .0 ). (0.1. 0). (0. 0. 1). (0. 1. 1)} determinar cuál de las siguientes armaciones es verdadera. a) b) c) d)
S e s una base de R 3. S e s linealmente independiente pero no genera a W3. 5 es un conjunto generador de R3 pero no es linealmente independiente. 5 no es linealmente independiente ni genera a R3.
& Determinar el vector x cuyo vector coordenado en la base (3 = {(1, 3), (0. 1)} es W e = <-4,4). 9 l Encontrar la dimensión del subespacio H = {(a + 3 ¿ + 4d, c + d, - 3 a - 9 b +
4c - 8d - c - d)}. 1Q Determinar las dimensiones del espacio nulo y del espacio columna de la matriz 1 0 0 0
-2 0 0 0
3 1 0 0
1 -6 0 0
0 2 0 0
http://www.fullengineeringbook.net 301 of 461.
5 -2 1 0
-4 0 3 0
284
CAPÍTULO 4
Espacios vectoriales 1L Si /3 = {i/|. V?, 03} y y = {wi. v^. son dos base de un espado vectorial /ta le s que ui = ivi + 2v*s, t>2 = ») + 4 m - 1*3. 03 = 3tV| — «5. Sí x = vi + 61/2 + t>3, deter minar [*]r . 1& Encontrar una base para el conjunto de todas las soludones de la ecuadón en diferen cias. /i* 3" 2 /i* - 9 / , * + 1 8 /, = 0 VÁ c N 13. Suponiendo que el clim a en derta d u dad es soleado, nublado o lluvioso un cualquier día y considerando que: a) Si un día es soleado hay una probabilidad del 70% de que el siguiente día sea soleado y una probabilidad del 30% de que sea nublado. b) Si un dfa es nublado hay una probabilidad del 40% de que el siguiente día sea soleado, una probabilidad del 40% de que sea nublado, y 20% de que sea lluvioso. c) Si un día es lluvioso hay una probabilidad del 40% de que el siguiente día sea soleado y una probabilidad del 30% d e que sea lluvioso. Si se predice que el viernes tiene probabilidad del 55% de estar soleado. 35% de estar nublado y 10% de estar lluvioso, cuáles son las expectativas para que el do mingo llueva
http://www.fullengineeringbook.net 302 of 461.
http://www.fullengineeringbook.net 303 of 461.
1 Entender y generalizar los conceptos geométricos de longitud, distancia y perpendicularidad en R2y ¡R-' para R", para resolver problemas de aplicación en dferentes disciplinas.
2 Entender la conveniencia de contar con la factorizadón QR de una matriz para usarla en aplicaciones.
ACTIVIDADES DE APRENDIZAJE ACTIVIDADES DE APRENDIZAJE Calcular el producto interior de dos vectores, y enunciar y ejemplificar sus propiedades. ♦ Relacionar ¿ x v con 5 r v. Calcular la norma de un vector, un vector unitario en la dirección de otro dado, y definir y calcular la distancia entre dos vectores. Determinar si dos vectores son ortogonales usando el producto interior, y si un conjunto de vectores es un conjunto ortogonal o un conjunto ortonormal. Analizar la relación entre ortogonalidad e independencia lineal. Identificar si una base dada de un subespado es una base ortogonal u ortonormal, normalizar los vectores de un conjunto ortogonal para formar un conjunto ortonormal y proporcionar una base ortonormal a partir de una base ortogonal dada. Expresar un vector como combinación lineal de los vectores de una base ortogonal. Encontrar la proyección ortogonal de un vector sobre otro, sobre una recta o sobre un plano. ■ Graficar dos vectores y la proyección ortogonal de uno de ellos sobre el otro. A partir de una base ortogonal de Rz, graficar la proyección ortogonal de un vector sobre cada uno de los vectores de la base. Encontrar la proyección ortogonal de un vector de R" sobre un subespacio vectorial de R\ Determinar el punto más cercano a y en R" del subespacio W = gen{vl, v J..... v^. <• Definir y calcular la distancia de un vector a un subespacio. ♦ Utilizar el procedimiento de Gram-Schmidt para encon trar una base ortogonal u ortonormal de un subespacio vectorial y analizar gráficamente el procedimiento de Gram-Schmidt en algunos ejemplos sencillos en R3.
♦ Determinar si las columnas de una matriz forman una base ortogonal u ortonormal del espacio columna de la matriz. Analizar las propiedades de una matriz demX/i con columnas ortonormales. ♦ Determinar si una matriz es ortogonal. Determinar si una matriz tiene factorización QR, si una factorización de la matriz A corresponde a la factorización QR, utilizar el procedimiento de Gram-Schmidt para encontrar la matriz Q para la factorización QR de una matriz, y determinar R . Calcular la proyección ortogonal de un vector sobre el espacio columna de ¿utilizando la matriz de proyección.
http://www.fullengineeringbook.net 304 of 461.
ENCIAS A DESARROLLAR 3 Entender los conceptos fundamentales del método de mínimos cuadrados para utilizarlo en distintas aplicaciones.
4 Entender y generalizar los conceptos geométricos de longitud, distancia y perpendicularidad con otros productos interiores para R" y otros espacios vectoriales.
ACTIVIDADES DE APRENDIZAJE ACTIVIDADES DE APRENDIZAJE
♦ Describir en qué consiste el problema general de mínimos cuadrados, encontrar una solución a un problema y calcular el error de mínimos cuadrados asociado a la solución de un problema por este método. ♦ Si A tiene factorización Q R. utilizarla para encontrar la solución por mínimos cuadrados del problema que implica a la matriz A . ♦ Encontrar la recta/la curva que mejor se ajuste a un conjunto de datos en R: con el método de mínimos cuadrados, y dibujar la recta/la curva obtenida junto con los datos. ♦ Encontrar el plano que mejor se ajuste a un conjunto de datos en R3 por el método de mínimos cuadrados. Utilizar los conceptos de mínimos cuadrados para resolver problemas de aplicación de ajuste de curvas a conjuntos de datos observados en distintas áreas.
Definir distintos productos interiores de vectores en R" y en otros espacios vectoriales, calcular con distintos productos interiores la longitud de un elemento de un espacio vectorial y la distancia entre dos vectores del espacio. Calcular la proyección ortogonal de un vector de un espacio vectorial sobre un subespacio vectorial. Aplicar el proceso de Gram-Scbmidt con distintos productos interiores. Determinar la mejor aproximación a una función/ por medio de otras funciones dadas en un espacio vectorial de funciones de R en R con producto interior definido.
Sfcsugcrc trabajar losproblemasmarcadosconun puntoprimeroen torma Individual y. luego, dlscutirtos con iodo el grupoy el profesor, t tos ejercicios marcadosconun asterisco deben trabajarse en colaboracióncon los compoteras de ciase. Se sugere formar cqupos de doso tras cstudontcs. t
http://www.fullengineeringbook.net 305 of 461.
ORGANIZADOR GRÁFICO
Producto punto en R"
Matrices ortogonales
Espacios vectoriales con producto interior
Descomposición QR
Complemento ortogonal de un subespacio vectorial
Proyección ortogonal de un vector V sobre un subespacio vectorial w de V
Producto interior en un espacio vectorial V
http://www.fullengineeringbook.net 306 of 461.
Solución de mínimos cuadrados de un sistema de ecuaciones Ax = b
Mejor aproximación
Base de datos geográficos de Norteamérica y sistema de navegación GPS
Imagine que inicia un enorme proyecto que. según las esti maciones. durará 10 años y requiere los esfuerzos de muchas personas para construir y resolver un sistema de 1.800,000 por 900.000 ecuaciones lineales. Esto es exactamente lo que se hizo en 1974 con la encuesta geodésica nacional de Estados Unidos, cuando se actualizó el North American Datum (NAD).
Más recientemente, el conocimiento de puntos de referen cia en el suelo se ha vuelto crucial para determinar la ubica ción exacta de satélites con el Sistema deposicionamicmoglo bal {Global ñisitioning System. GPS). Un satélite GPS calcula su posición en relación con la Tierra midiendo el tiempo que tardan las señales en llegar desde tres transmisores terrestres.
una red de 268.000 puntos de referencia localizados de manera precisa que generan el territorio completo de América del
Para hacer esto, los satélites utilizan relojes atómicos precisos que se han sincronizado con estaciones terrestres (cuyas ubi
Norte, junto con Groenlandia. Hawai, las Islas Vírgenes.
caciones se conocen con exactitud gracias al NAD).
Puerto Rico y otras islas del Caribe. Las latitudes y longitudes registradas en el NAD se deben determinar con una precisión dentro del rango de unos cuantos centímetros, ya que constituyen la base de encuestas, mapas, limites legales de propiedad y planos de proyectos de ingeniería civil, como los de carreteras e instalaciones de servicios públicos. Sin embargo, se tuvieron que agregar más
0 Sistema de posicionamiento global se utiliza para determinar las ubicaciones de los nuevos puntos de referencia terrestres y también para encontrar la ubicación del usuario sobre el suelo tomando como base los mapas ya existentes. Cuando el conductor de un automóvil (o un alpinista) enciende un receptor GPS. este último mide los tiempos de llegada de señales provenientes de al menos tres satélites.
de 200,000 nuevos puntos a los ya existentes desde la última actualización en 1927. y se acumularon errores con el paso de los años debido a mediciones imprecisas y a
Esta información, junto con los datos transmitidos sobre las ubicaciones de los satélites y los tiempos del mensaje, se utiliza para ajustar el tiempo del receptor GPS y asi
corrimientos de la corteza terrestre. En 1983 concluyó
determinar su ubicación aproximada sobre la Tierra. Con la información proveniente de un cuarto satélite, el receptor GPS puede incluso establecer su altura aproximada
la recolección de datos para el reajuste del NAD. El sistema de ecuaciones del NAD no tenia solución de la manera habitual, pero si una solución de mínimos cuadrados. que asignó latitudes y longitudes a los puntos de referencia en la forma que mejor correspondía a las 1.8 millones de observaciones. En 1986 se encontró la solución de mínimos cuadrados al resolver un sistema relacionado de las llamadas ecuaciones normales, lo que implicó 928.735 ecuaciones con 928.735 variables.1
1 So presenta \s\ análisis matemático de la estrategia de solución yunto con detalles de todo el provecto NAD) en North American Ctítum o f 1983. Charles R Schwuz (ed.). Nadonal O odetlc Survey, National Oceardo and Atmnspherlc Admlntstratlon (NQAA) Profesional Paper NOS 2. 1989,
289
http://www.fullengineeringbook.net 307 of 461.
290
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
Los problemas del NAD y el GPS se resuelven encontrando un vector que "satisface aproximadamente"
explicación de esta aparente contradicción requerirá de
un sistema de ecuaciones inconsistente. Una cuidadosa
de este capitulo.
las ideas desarrolladas en las primeras cinco secciones
WEB |
Para obtener una solución aproximada de un sistema de ecuaciones inconsistente que carece de solución, se necesita una idea bien definida de cercanía. La sección 5.1 introduce los con ceptos de distancia y ortogonalidad en un espacio vectorial. Las secciones 5.2 y 5.3 muestran cómo se puede emplear la ortogonalidad para identificar aquel punto dentro de un subespacio ÍVque es el más cercano al punto y externo a W. Considerando a W como el espacio colum na de una matriz, la secdón 5.5 desarrolla un método para obtener soludones aproximadas {‘ mínimos cuadrados”) de sistemas lineales inconsistentes, tal como el sistema resuelto para el informe NAD. I^a secdón 5.4 brinda otra oportunidad para ver proyecciones ortogonales en acción, creando una fadorízadónm atridal ampliamente útil izada en álgebra lineal num érica 1-assecd o n es restantes examinan algunos de los muchos problemas de mínimos cuadrados que sur gen en las aplicaciones. Incluyendo aquellas en espacios más generales que Rn.
5 .1
P R O D U C T O INTERIO R, LON GITU D Y O RTO G O N A LID A D
Aquí se definen para Rn los conceptos geométricos de longitud, distancia y perpendiculari dad, que son bien conocidos para R2 y R 3. Esos conceptos ofrecen poderosas herramientas geométricas para resolver muchos problemas aplicados, induyendo los problemas ya mendonados de mínimos cuadrados. Los tres conceptos se definen en términos del produdo Interior de dos vectores.
Producto interior Si ■ y v son vedores en R ff, entonces o y ▼se consideran matrices de n x 1. La transpuesta ■ es una matriz de 1 x n, y el produdo matridal m \ es una matriz de 1 x 1, que se representa como un solo número real (un escalar) sin corchetes. El número u rv se llama el prodiario ¡otario- de ■ y v. y con frecuenda se representa como u • v. Este produdo interior, que se mencionó en los ejercicios de la sección 2.1. también se llama p ro d u cto Si
punió
u ,'
’ v i"
Ui
Vi
II ►
>%
u =
. u" .
3 .
entonces, el produdo interior de ■ y v es
Vi Vi [ui
m
•••
Un]
=
UW i
+
U 2V 2
V*
http://www.fullengineeringbook.net 308 of 461.
+ ••• +
U nVn
5 .1
EJEMPLO 1
Calcule
P r o d u c to In te rio r, l o n g itu d y o r to g o n a U d a d
291
v y v u para u =
SOLUCIÓN u-v = u 'v = [2
= (2)(3) 4- (—5)(2) + (—1)(—3) = —1
v-u = v7 u = (3
: (3)(2) + (2)(—5) + (—3)(—1) = - I
■
A partir de los cálculos en el ejemplo 1 resulta claro por qué « v = v t La conmutatividad del producto interior es válida en general, l^ s siguientes propiedades del producto Interior se deducen fácilmente de las características de la operación de transponer estudiada en la sección 2.1. (Véase los ejercicios 21 y 22 al final de esta sección).
TEOREMA
1
Sean » v y w vectores en R", y cu n escalar. Entonces, a) ■ • * = * • ■
A) (■ + v)-w = BW + vw C)
d)
{c m ) v = c (m \) = « -(c v )
u n 2: 0 .
y u u = 0 si y solo si a = 0
Las propiedades A) y ó se pueden combinar varias veces para obtener la siguiente regla útil: ( d « i + — + Cp^,)-W =
+ ••• + cp(«^w )
Longitud de un vector Si v está en W" con entradas ui...... u» entonces la raíz cuadrada de v v está definida, ya que v v e s n o negativo.
DEFINICIÓN
La lo n ^ tn d (o n o rm a de v e s el escalar no negativo ||v|| definido por M = V vT = J
+ v¡ + -
Suponga que v está en Rz. es decir, v
(/».b) 14
v\
V? T f f \ 14
•
FIGURA 1
Interpretación de |(vj| como longitud.
+
v 2 n
y
||v f = v v
. Como es usual, si se Identifica a v con un
punto geométrioo en el plano, entonces ||vj| coincide con el concepto estándar de la longitud del segmento de recta que va del origen a v. Esto se deduce a partir del teorema de Pitágoras aplicado a un triángulo como el de la figura 1. Un cálculo similar con la diagonal de una caja rectangular demuestra que la definición de longitud de un vector v e n R 3coincide con el concepto habitual de longitud. Para cualquier escalar c la longitud de cv es |cj veces la longitud de v. Es decir. IM M 4 H (Para ver esto, calcule ||cv||2 = (cv)» (cv) = c 2v»v = c 2fev||2 Y obtenga raíces cuadradas).
http://www.fullengineeringbook.net 309 of 461.
29 2
CAPÍTULO 5
O t o g o n a l l d a d y m ín im o s c u a d r a d o s
Un v e d a r u n ita rio es un vector cuya longitud es 1. Si un vector v distinto de cero se divide entre su longitud —es decir, se multiplica por l/||v)|— . se obtiene un vector unitario n ya que la longitud de n es (1/M )|M |. El proceso de crear ■ a partir de v en ocasiones se llama n o rm a ib a rió n d e v. y se dice que ■ está en la misma dirección que v. Los ejemplos que se presentan a continuación emplean notación de vectores (columnas), para ahorrar espacio.
EJEMPLO
2
Sea v = (1. - 2 . 2, 0). Encuentre un vector unitario « e n la misma direc
ción que v. SOLUCIÓN Primero, calcule la longitud de v ||v ||2 = v .v = (I)2 + (—2)2 + (2)2 + (O)2 = 9 ||v[ = >/9 = 3 Después, multiplique v por l/|(v | para obtener r -2 2 0
u =
1 /3 ' -2 /3 2 /3 0
Para comprobar que H = 1 es suficiente probar que IHI2 = 1.
MI2 = = ( i )2 + (-§ )2+ ( f )2+ (O)2 —£ + ! + ¡¿ + o= i EJEMPLO 3 Sea W el subespacio de unitario z que sea una base para W.
R2 generado
por x
= (2 ,1). Obtenga un
vector
SOLUCIÓN IVconsiste en todos los múltiplos de x, como el de la figura 2a). Cualquier vec tor distinto de cero en iVes una base para W. Para simplificar los cálculos, “escale" x para dim inar fracciones. Es decir, multiplique x por 3 para obtener
-[■ i Ahora calcule ||y||2 = 22 + 32 = 13. ||y|| = \/Í 3 , y normalice y para obtener z=
FIGURA 2
Normalización de un vector para obtener un vector unitario.
Véase la figura 2b). Otro vector unitario es ( - 2 / >/T3. - 3 /V 7 3 ).
D istancia en Ahora ya estamos listos para describir qué tan cerca está un vector de otro. Recuerde que si a y b son números reales, la distancia sobre la recta numérica entre a y A es el número |a - Aj. En la figura 3 se ilustran dos ejemplos. Esta definición de distancia en R tiene una analogía directa en R°. a b + H— I— I— I— I— I— h + i 2 3 4 5 0 7 8 9 6 unidades de separación
f*
2 - 8 |- |- f l |^ 0
a b -H---- 1---- 1----1---- 1---- 1---- H +- 3 - 2 - 1 0 1 2 3 4 5 ,
7 unidades de separación
i
o |8 - 2 |- |6 |- 8
K -3 ) -4 |« J -7 | “ 7 o | 4 - ( - 3 ) | - | 7 | - 7
FIGURA 3 DLstandas en R.
http://www.fullengineeringbook.net 310 of 461.
5 .1
DEFINICIÓN
P r o d u c to In te rio r, l o n g itu d y o r to g o n a lid a d
293
Para ■ y v en R" la d k ta n d a e n t r e s y v, que se escribe como dist (a. v). es la longitud del vector a - v. Es decir. dist (a v) = ja - r|
En R2 y R3. esta definición de distancia coincide con las fórmulas usuales de la distancia eudidiana entre dos puntos, com o muestran los siguientes dos ejemplos.
EJEMPLO
4
Determine la distancia entre los vectores a = (7.1) y v = (3. 2).
SOLUCIÓN Calcule
■-'-[¡BH-t] lio-*u = v4=+(-i)2 = y n La figura 4 muestra los vectores a v y o - v. Cuando el vector n - v se suma a v. el resultado es a Observe que en la figura 4 el paralelogramo revela que la distancia de u a v es igual a la distancia d e a - v a O ■
RGURA 4 La distancia entre u y ves la longitud de o - v.
EJEMPLO
5
Si u
= (u u
Uz u¡) y v
= (vj. i>2. 1*3). entonces
d is t(u .v ) = ||u — v|| = y / ( ü - v ) . ( u - v )
=
y /(u x
- v,)2 +
(u
2-
v
2)2 + (u3 - V3)2
V ectores ortogonales El resto de este capitulo depende del hecho de que el concepto de rectas perpendiculares de geometría euclidiana tiene un análogo en R n. Considere R2 o R 3 y dos rectas que pasan por el origen determinado por los vectores o y v. Las dos rectas que se muestran en la figura 5 son geométricamente perpendiculares si y solo si la distancia de ■ a v e s la misma que la distancia de ■ a - v . Esto es lo mismo que requerir que los cuadrados de las distancias sean iguales. Ahora ( d is t ( u . - v ) j2 =
||u — (—v ) ||2 =
||u + v ||2
= (u + v ) . (u + v ) = u - ( u + v ) + v* (u + v )
Teorema 1
= u - u + U -V + V - U + v - v
Teorema Ha), (b
=
'teorema l(a)
||u ||2 + ||vBJ + 2 u * v
http://www.fullengineeringbook.net 311 of 461.
(1 )
294
CAPÍTULO 5
O t o g o n a l l d a d y m ín im o s c u a d r a d o s
Los mismos cálculos con
v y -v intercambiados indican que
(dist(u.v)]12 = ||u||2 + || - v||2 + 2u- ( - v ) = l|u||2 + |v ||2 — 2u*v l a s dos distancias al cuadrado son iguales si y solo si 2«-v = - 2 « v. lo que ocurre si y solo si m \ = 0. Este cálculo demuestra que cuando los vectores « y v se identifican con puntos geométri cos. las rectas correspondientes que pasan por los puntos y por el origen son perpendiculares si y solo si ■ v = 0. La siguiente definición generaliza a Rn este concepto de perpendiculari dad (u ortogonalidad, como se le llama con frecuencia en álgebra lineal).
DEFINICIÓN
Dos vectores ■ y v en R" son ortogonales (entre sí) si
v = 0.
Observe que el vector cero es ortogonal a todo vector en R" porque 0;v = 0 para todav. El siguiente teorema expone un dalo útil en relación con los vectores ortogonales. La demostración se deduce inmediatamente de los cálculos en la ecuación (1) y de la defi nición de ortogonalidad. El triángulo rectángulo que se ilustra en la figura 6 permite visua lizar las longitudes que aparecen en el teorema.
TEOREMA 2
Teorema de Pltágoras Dos vectores ■ y v so n ortogonales si y solo si .)■ + x||2 ■ ||«|p + |ffj|2.
■ +V
C om plem entos ortogonales
t HGURA6
Para practicar el uso de productos interiores, aquí se introduce un concepto que será útil en la sección 5.3 y en todo el capítulo. Si un vector z es ortogonal a todo vector en un subespaclo W de Rn. entonces se dice que z es ortogonal a W. El conjunto de todos los vectores z que son ortogonales a W'se llama compkinmto artagnal de W y se denota con (que se lee ‘perpendicular a W").
EJEMPLO 6 Sean W un plano a través del origen en R3, y £ la recta que pasa por el origen y es perpendicular a W. Si z y w son distintos de cero, z está sobre L y w está en W, entonces el segmento de recta de # a z es perpendicular al segmento de recta de O a w, es decir, z-w = 0. Véase la figura 7. De manera que todo vector sobre ¿ e s ortogonal a cada w en W En efecto. L consiste en todos los vectores que son ortogonales a todos los vectores w en W, y ÍVconsiste en todos los vectores ortogonales a todos los vectores z en L Es decir. i =
W R G liR A 7
Un plano y una recta que pasan por Ocomo complementos ortogonales.
r
y
IV= ¿ A
■
Los siguientes dos hechos sobre W \ con W como un subespacio de R". se necesi tarán más adelante en este capitulo. I a s demostraciones se sugieren en los ejercidos 29 y 30. Los ejercicios 27 a 31 ofrecen una excelente oportunidad de practicar con las propiedades del producto Interior. 1. Un vector x está en Wl si y solo si x e s ortogonal a cada vector de cualquier con junto que genera a W. 2. W ^ e s u n subespado de R n.
http://www.fullengineeringbook.net 312 of 461.
5 .1
Producto Interior, longitud y ortogonaUdad 295
El siguiente teorema y el ejercicio 31 comprueban las afirmaciones hechas en la sec ción 4.6 en relación con los subespacios que se muestran en la figura 8. (Véase también el ejercido 28 de la sección 4.6).
A
'i *
r V *
#
fiA
^4
RGURA 8 Ixs subespack» fundamentales determinados por una matriz A f e m x n
TEOREMA 3
Sea A una matriz d e m x / i H complemento ortogonal del espado fila de A es el espa d o nulo de A. y el complemento ortogonal del espado columna de A es el espado nulo de At : (Fil A)x = Nul A
y
(Col A )1 = Nul A T
DEMOSTRACIÓN La regla fila-columna para calcular A x indica que si x está en Nul A. entonces x es ortogonal a cada fila de A (con las filas consideradas como vectores en R '). Como las filas de A generan el espado fila, entonces x es ortogonal a Fil A. Y a la inversa, si x es ortogonal a Fil A, entonces x evidentemente, es ortogonal a cada fila de A, y por lo tanto. A x = Q Esto demuestra el primer enundado del teorem a Ya que este enunciado es verdadero para cualquier matriz, es válido para AT. Fs decir, el complemento ortogonal del espado fila de A r es el espado nulo de A . Esto demuestra la segunda afirmación porque Fil A t = Col A. m
Ángulos en IR2 y IR3 (opcional) Si n y x son vectores distintos de cero en R 2 o R3, entonces existe una agradable conexión entre su produdo interior y el ángulo d entre los dos segmentos de red a que van del origen a los puntos identificados con « y v. La fórmula es
■ v “ H M co s*
(2)
Si se desea comprobar esta fórmula para vedores en R 2. considere el triángulo que se ilustra en la figura 9, con lados de longitudes |H - |(xi| y [)■ - v|. De acuerdo con la ley de los cosenos.
ll» -* llJ = IWIa + WI, -2||ull|v||a»í
-4>
(r„ v7)
_ _ í______ifcl__________ RGURA 9 ra Angulo entre dos vectores.
http://www.fullengineeringbook.net 313 of 461.
296
CAPÍTULO 5
O t o g o n a l l d a d y m ín im o s c u a d r a d o s
que se puede reordenar fiara obtener | j u | | | M | c o s 0 = ^ [ | | u | | J + ||v||2 — ||u —v ||2] =
\
[ Mí +
U\
+ *>í + Wj -
(“ ■-
W|)J -
( “ 2 - V2>2]
= u 1Vi + U 2V2 = u -v
La comprobación es similar para R3. Cuando n > 3. la fórmula (2) se puede utilizar para definiré 1 ángulo entre dos vectores en R " . En estadística, por ejemplo, el valor de eos 6 definido por la ecuación (2 ) para vectores convenientes u y v es lo que los especialistas en estadística llaman coeñciente de correlación. PROBLEMAS DE PRÁCTICA
Sean a = ah 1. Calcule — a-a
a.
2. Encuentre un vector unitario a en la dirección de c
4
3L Demuestre que 4 es ortogonal a t U ilice los resultados de los problemas de práctica 2 y 3 para explicar por qué 4 debe ser ortogonal al vector unitario ■
5 . 1 E JE R C IC IO S 1' En los ejercicios 1a 8. determine las cantidades Indicadas utilizando los vectores II >
w-w
a
x-w vr-w, x-w y ----w-w
1& a [-’] "= [
4 — u u-u
- (£)'
a
7. IM
a INI
3" 17. u
En los ejercicios 9 a 12. obtenga un vector unitario en la dirección del vector indicado.
-ra
En los ejercicios 15 a 18. determine qué pares de vectores son ortogonales.
1Q
131 iz
“ ■ [ ? ] 13. Encuentre la distanda ertre x =
[V] -3
j ^ ^ = [ -5 j
2 .v = -5 0
rs ro 1 1
a — w
’t 0
1
—
II 3
« 1 . u-u, T-uy v-u — u-u
]■Wi
14 Calcule la distancia entre u
-4' 1 -2 6
ia
u=
[I
h - [-•] ' r ■-3' 7 -8 la y = .2 = 4 15 0 -7
En los ejercidos 19 y 20. todos los vectores están en R". Marque cada enunciado como verdadero o falso, Justifique sus respuestas, • I f t a) v v - H * Para cualquier escalar c o-(cv) = c(u-v). cj Si la distancia de u a v es igual a la distancia de u a -v. entonces ■ y v son ortogonales. d Para una matriz cuadrada A. los vectores en Col A son orto gpnales a los vectores en Nul A. e) Si los vectores »i... ^generan un subespaclo Wy si x es ortogonal a cada ^para J = 1..... p. entonces xestá en W \
t i .os « fre íd o s marcados con u i asterisco deben trabajarse en colaboración con los compañeros de clase. Se sugiere formar equipos de dos o tres estudiantes.
http://www.fullengineeringbook.net 314 of 461.
5 .1
2Q 3) uv v-u = 0. A) fcira cualquier escalar c, JcrJl • f M d SI xes ortogonal a cada vector en un subespado W. entonces «está en Wl. d) Si WP + IMP ■ lh + v|f. entonces» y «son ortogonales, d Si /les una matriz de m x n los vectores enel espado nulo de A son ortogonales a los vectores en el espado fila de A.
21.
Utilice la definición de transpuesta del producto Interior para comprobar los incisos A) y d) del teorema 1. Mencione los hechos pertinentes del capitulo 2. Sea u = (u\. Uj, Ü3). Explique por qué n u » 0. ¿Cuándo
u n *=0?
2 a Sean
u= [ J ] yv = [ - ! ] .
Calcule y compare u v. ||»|p.
a) Tome z en W-. y sea u cualquier elemento de W, Entonces z u = 0. Tome cualquier escalar c y demuestre que caes ortogonal a u (Puesto que u era un elemento arbitrarlo de W. esto demostrará que ¿«está en W~). til Tome «] y * en W \ y sea o cualquier elemento de W. Demuestre que z( + x> es ortogonal a u ¿Qué se puede concluir acerca de «t + x2? ¿Por qué? d Termíne la demostración de que WL es un subespaclo de
R".
31. Demuestre que si «está en Wy Wx. entonces x - Q * 32. |M] Construya un p a r» vde vectores aleatorios en R4. y sea
Compruebe \a ley del pvalelogramo para vectores n y ven R": |j« + vF + | | n - v | p - 2 W P + 2|WP
d) Denote las columnas de A como
2S Sea v =
^
j. Describa el conjunto / / de vectores
*
j que
son ortogonales a v. [Sugerencia: Considere v = O y v r O]. 2& Sean
-[i]
y W'el conjunto de todas las x en R3 tales
que »-* =■ 0. ¿Qué teorema del capitulo 4 se puede utilizar para demostrar que IVes un subespaclo de W3? Describa a IVen lenguaje geométrico.
27.
30l Sean IVun subespaclo de R", y W1 el conjunto de todos los vectores ortogonales a W. Demuestre que W- es un subespaclo de R7'. considerando los siguientes pasos.
'.5 .5 .5 .5 ' .5 .5 - .5 - .5 A= .5 - .5 .5 - .5 .5 - .5 - .5 .5
WP y ||» + vjf. No utilice el teorema de Pltágoras.
24
Producto Interior, longitud y ortogonaUdad 29 7
Suponga que un vector y que es ortogonal a los vectores ■ y v Demuestre que y es ortogonal al vector u + v.
2 » Suponga que y es ortogonal a u y v. Demuestre que y es orto gonal a cada wen Gen {» v}. [Sugerencia: Una warbltraria en Gen {» v} tiene la forma w » c¡u + cjv. Demuestre que yes ortogonal a dicho vector w|.
a: Obtenga la lon gitud de cada columna, y calcule «r% . & -*t. « a-. » .* , y »,•««. ti¡ Calcule y compare las longitudes de An. A*.
u
vy
d Utilice la ecuación (2) de esta sección para calcular el co seno del ángulo entre u y v. Compare esto con el coseno del ángulo entre Au y Ay. d) Repita los Incisos b) y d) para otros dos pares de vectores aleatorios. ¿Qué se puede suponer del efecto de Asobre les vectores?
33. ¡M] Genere vectores aleatorios x. y y v en R4con entradas en tra s (y v ^ O. y calcule las cantidades (« + .v)-vv (1Q»)-T t v*v
v»v
Repita los cálculos con nuevos vectores aleatorios x y
y.
¿Qué se puede suponer acerca del mapeo x *-* 7\x) = ( ~
)v
(para v * •)? Compruebe su suposición algebraicamente.
34 [M]
29
Sea W - Gen {vt.....y j . Demuestre que si x es ortogonal a cada y, para \ r 5 j ^ p entonces xes ortogonal a todo vector en W.
Sea A
‘ -6 3 -2 7 -3 3 - 1 3 ' 6 -5 14 25 28 34 8 -6 38 18 12 -1 0 50 41 23 14 -2 1 49 29 33
V
Construya
una matriz j cuyas columnas formen una base para Nul A. y elabore una matriz R cuyas Illas formen una base para Fll A (para detalles, véase la sección 4.6). Efectúe un cálculo matri dal con N y .A?que muestre un hecho del teorema 3.
http://www.fullengineeringbook.net 315 of 461.
298
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA
L
=
7.
a » - «-A *
£
- 5 y
(£ )•
2 L Escale c, muUiplicando por 3 para oblener y
- ]*
= [''$ J
-[-I]
Calcule |Sy|IJ = 29 y Byfi = ^/29.
4 /> /2 9 “| - 3 /v /2 9 . 2/%/29j
R vector unitario en la dirección de « y y e s u = — y = Ilyir
i
é es ortogonal a c porque 5 ~\ [~4 / 3 ~| 20 2 6 M -I I = — - 6 - - =0
d-c =
- i j [ 2/ 3 J 4 í
3
3
es ortogonal a u porque « tiene la forma k t para alguna k. y d u = d- (kc) = A(d-c) = *(0) = 0
5.2
CONJUNTOS ORTOGONALES Se dice que un conjunto de vectores {■....... ■,,} en R" es un conjunto ortogonal si cada par de distintos vectores del conjunto es ortogonal, es decir, si mrWf = 0 siempre que i # j .
EJEMPLO
1
« 3} es un conjunto ortogonal, donde
Demuestre que {■,.
u,
'3' =r-n -—~ =1 2 . = 1 L'J . 7/2. .
u2
u3
1 /2 —2
SOLUCIÓN Considere los tres posibles pares de vectores distintos, a saber, {■). ■?}. {■,. * 5} y { * • • ) } . ui *02 = 3(—1) + 1(2) + 1(1) = 0 ui *03 = 3 ( —| ) + 1(—2) + 1 ( 5 ) = 0
u2. i 3 = - l ( - I ) + 2 ( - 2 ) + l g ) = 0 Cada par de vectores diferentes es ortogonal, y así {■]. wz, m¡} es un conjunto ortogonal. Véase la figura 1; ahí los tres segmentos de recta son mutuamente perpendiculares. ■ TEOREMA 4
Si 5 = {«i..... ^ , } e s u n conjunto ortogonal de vectores distintos de cero en R°. en tonces 5 es lineal mente independiente y, por lo tanto, es una base para el subespado generado por S. DEMOSTRACIÓN Si O = ci«¡ + ••• + c a p a r a algunos escalares o ..... c¡> entonces
0 = 0*ui = (o u i + C2 U2 H— + Cj>Up)*Ui = (C | U | )’ U| + (C 2U 2) - U , + •••+ (Cj»Up)*U|
= c i ( n r m ) + c 2(u2*U|) + •••+ cf (u ,*u t) = C | (U | -U | )
ya que es ortogonal a u ..... Mp. Como « : es diferente de cero, entonces «i «i no es cero y asi Cj = 0. De manera similar, q ......cp deben ser cero. Por lo tanto. 5 es linealmente in dependiente......................................................................................................................................... ■
http://www.fullengineeringbook.net 316 of 461.
5.2
DEFINICIÓN
Conjuntos ortogonales 299
Una b ase o rtogonal para un subespacio W de R;j es una base para tVque también es un conjunto ortogonal.
El siguiente teorema sugiere por qué una base ortogonal es mucho más agradable que otras bases. Los pesos en una combinación lineal se pueden calcular fácilmente.
TEOREMA 5
Sea {«i..... mj} una base ortogonal para un subespacio W de Rfl. Para cada y en W. los pesos en la combinación lineal y = r,« , + ••• + cf,mp están dados por
< / - ' .... i* DEMOSTRACIÓN Como en la demostración anterior, la ortogonalldad de {■,...... «,} demuestra que
y-ui = (o u i + c 2u2 +--- + cpUp)'U\ - c i ( u i - u i ) Puesto que « r « i no es cero, en la ecuación anterior se puede despejar c\. Para encontrar Cj, considerando j = 2......p, calcule y « y y despeje Cj. ■ EJEMPLO 2
El conjunto S = { m . m¿. m ] del ejemplo 1 es una base ortogonal para R3.
Exprese el vector y
■[i]
como una combinación lineal de los vectores en S.
SOLUCIÓN Calcule y u , = 11. Ui'Ui
= 11,
y.u2 = -12. U 2 ‘ U2 = 6 .
y-Uj = - 3 3 U3. U 3 = 3 3/2
Por el teorema 5. y ® i-U| .. +. -----------U2 y ° 2 .. +. ----------y «>3.. u, U| U| U v Ul U2-U2
11 = U|
-12 - 2uj -
-33
2u3
Observe qué fácil es obtener los pesos necesarios para construir y a partir de una base ortogonal. Si la base no fuera ortogonal, se necesitaría resolver un sistema de ecuaciones lineales para encontrar los pesos, como en el capitulo 1. A continuación se presenta una construcción que será un paso clave en muchos cálculos que implican ortogonal idad. y que conducirá a una interpretación geométrica del teorema 5.
U na proyección ortogonal Dado un vector «distin to de cero en R". considere el problema de descomponer un vector y en R ” en la suma de dos vectores, siendo uno un múltiplo de ■ y el otro ortogonal a « Se desea escribir
y=$+* http://www.fullengineeringbook.net 317 of 461.
(1)
300 CAPÍTULO 5 Otogonalldad y mínimos cuadrados
« y
y
y
donde f = cru para algún escalar a , y z es algún vector ortogonal a a Véase la figura 2. Dado cualquier escalar or, sea i = y - m tal que la ecuación (1) se satisface. Entonces y - y e s ortogonal a a s i y solo si 0 — (y —m i ) ’U — y-u —(cru)-u — y- u - c r (u - u)
FIGURA 2
Determinación de a para hacer que y - ysea ortogonal a u
Es decir, la ecuación (1) se satisface con El vector y e s la
ortopw laz
z ortogonal a
proyección ortogonal de y sobre a
vu
vu
n si y solo si a = ---- y y = — u. u -u u-u y el vector z es la componente dey
Si c c s cualquier escalar distinto de cero y si n se remplaza por cu en la definición de f, entonces la proyección ortogonal de y sobre cu coincide exactamente con la proyec ción ortogonal de y sobre ■ (ejercicio 31). De ahí que esta proyección esté determinada por el subespacio L generado por a (la recta que pasa por ■ y 0), Algunas veces f se de nota como proy¿ y. y se llama la proyección ortogonal d « y s o b re L Es decir. y = proj/ y =
EJEMPLO 3
Sean y = ^ j y
u=
( 2)
ii -n
^ J Encuentre la proyección ortogonal de
y so
bre m Después escriba y como la suma de dos vectores ortogonales, uno en Gen {■} y el otro ortogonal a u SOLUCIÓN Calcule
40
y-u - r a r a u
La proyección ortogonal de
' u
=
[ * ] { * ] = 20
y sobre ■ es
» - & - * — C l-P l y la componente de y ortogonal a ■ es
> - * - r a - [ : ] - [ 'i ] La suma de esos dos vectores es y Es decir.
H '-C M '!] t
(y-y)
En la figura 3 se muestra esta descomposición de y. A'ota: Si son correctos los cálculos an teriores. entonces {y. y - f t será un conjunto ortogonal. Para comprobarlo, determine H j - - # ) = [ ® ] - [ - ‘ ] = -8 + 8 = 0
■
Como el segmento de recta de la figura 3 entre y y y es perpendicular a U por cons trucción de y. entonces el punto identificado con y es el punto más cercano de L a y. (Fisto se puede demostrar con geometría. Ahora se supondrá esto para Rz y en la sección 5.3 se demostrará para H").
http://www.fullengineeringbook.net 318 of 461.
5.2
Conjuntos ortogonales 3 0 1
RGURA3 Ij) proyección ortogonal de y sobre una recta ¿que pasa por el origen
EJEMPLO 4
En la figura 3 encuentre la distancia de y a L
SOLUCIÓN La distancia de y a L es la longitud del segmento de te d a perpendicular de y a la proyecrión ortogonal f. Esta longitud es igual a la longitud de y - $ Asi. la distancia es
lly - yII = vA-i)2+ 22= y/s
m
U na interpretación geom étrica del teorem a 5 En la ecuadón (2). la fórmula para la proyección ortogonal ^ tiene la misma apariencia que cada uno de los términos en el teorema 5. Así. el teorema 5 descompone un vector y en una suma de proyecciones ortogonales sobre subespacios unidimensionales. Es fácil visualizar el caso en el cual W = W2 = G en {mi. *?}. con y m¿ ortogonales. Cualquier y en R2se puede escribir en la forma
y=
y-ui Ut + Uf U,
y-«2
ur u2U 2
(3)
El primer término en (3) es la proyección de y sobre el subespado generado por ■) (la red a que pasa por « i y por el origen), y el segundo término es la proyecdón de y sobre el subespa cio generado por ■>. Asi. la ecuadón (3) expresa a y como la suma de sus proyecdones sobre los ejes (ortogonales) determinados por m\ y m¿. Véase la figura 4.
4 y. - proyección sobre a . >y
< / y, - proyección sobre a,
FIGURA 4 Un vector descompuesto en
la suma de dos proyecciones. El teorema 5 descompone a cada y en Gen ( « i..... Wp) en la suma de p proyecdones sobre subespadas unidimensionales que son mutuamente ortogonales.
http://www.fullengineeringbook.net 319 of 461.
30 2
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
D escom posición de una fuerza en su s com ponentes La descomposición que se ilustra en la figura 4 se presenta en física cuando se aplica una fu e ra a un objeto. \j&elección de un sistema de coordenadas adecuado permite que la fu e ra se represente con un vector y en R2 o R 3. Con frecuencia el problema implica alguna direc ción particular de interés, que queda representada por otro vector m. Por ejemplo, si el objeto se está moviendo en linea recta cuando se aplica la fuerza, entonces el vector u podría apuntar en la dirección de movimiento, como se muestra en la figura 5. Un paso clave en el problema es descomponer la fuerza en una componente en la dirección de ■ y en una componente orto gonal a u. Los cálculos serian análogos a los realizados en el ejemplo 3 anterior.
FIGURA 5
C onjuntos o rto n o rm ales Un conjunto {«i......«p} es un canjunÉD ortonorniaisi es un conjunto ortogonal de vectores unitarios. Si i+es el subespacio generado por tal conjunto, entonces {■>..... n?} es una base o r t m r m a l para W, porque el conjunto es linealmente independiente de manera automática, de acuerdo con al teorema 4. El ejemplo más sencillo de un conjunto ortonormal es la base estándar {«*..... e,} para R°. Cualquier subconjunto no vacio de {«j......•„} también es ortonormal. A continua ción se presenta un ejemplo más complicado.
EJEMPLO
5
{vJt v2. * 3} es una base ortonormal de
Demuestre que
3 / n/ Í ! \/y/Ü \/V ü
.
v2 =
-l/v /6 2 / n/ 6 1 /V 6
■ v3 =
R3. donde
—1/ >/66 —4/>/66 1 /V 6 6
SOLUCIÓN Calcule v , . v 2 = - 3 /v /6 6 + 2 /V 6 6 + 1 /V ó 6 = 0
V| -v3 = - 3 /V 7 2 6 - 4 / v/726 + 7/%/726 = 0 v2*v3 = 1 /V 3 9 6 - 8/>/396 + 7 / V 3 9 6 = 0
Así {vi. w-¿, v;t} es un conjunto ortogonal. Además. V,.V, = 9 / 1 1 + l / l l + 1/11 = 1 v2-v2 = 1 / 6 + 4 / 6 + 1 / 6 = 1 Vj'Vj = 1 /6 6 + 16/66 + 49/66 = I que muestra que V|, v2y ¥3 son vectores unitarios. Así. {vi, v*. *3} es un conjunto ortonormal. Como el conjunto es linealmente independiente, entonces sus tres vectores forman una base para R 3. Véase la figura 6. ■
http://www.fullengineeringbook.net 320 of 461.
5.2
Conjuntos ortogonales 303
Cuando los vectores en un conjunto ortogonal de vectores distintos de cero se normalizan para que tengan longitud unitaria, entonces los nuevos vectores seguirán siendo ortogonales, por lo que el nuevo conjunto será un conjunto ortonormal. Véase el e je rd d o 32. En la figura 6 (ejemplo 5) es sencillo comprobar que los vectores son simplemente los vectores unitarios en las direcciones de los vectores de la figura 1 (ejemplo 1). I-as matrices cuyas columnas forman un conjunto ortonormal son Importantes en apli caciones y en algoritmos computacionales para cálculos matriciales. Sus propiedades funda mentales se exponen en los teoremas 6 y 7.
TEO REM A 6
Una matriz ¿/de m x n tiene columnas ortonormales si y solo si U TU = l
DEMOSTRACIÓN Para simplificar la notación, suponga que U solo tiene tres columnas, cada una un vector en W®. En esencia, la demostración del caso general es la misma. Sea U - [a, » »,) y calcule
II
[u,
«2
e
U TU =
* e M
’ uf
. U3 .
ufui u[ü| u[u,
ufu: Ufüi u[u2 » [ U j «3 “ 2
(4)
« [“i .
Las entradas en la matriz de la derecha son productos interiores, empleando la notación trans puesta. Las columnas de U son ortogonales si y solo si
u[ u j = uí U| = 0.
u[ O) = u{ Ui = 0.
uí Ui = u J Uj = 0
(5)
Todas las columnas de ¿/tienen longitud unitaria si y solo si
UÍ Ui = 1,
u [u j = 1.
Uj Uj = 1
(6)
El teorema se deduce inmediatamente de las ecuaciones (4) a (6).
TEOREM A 7
Sea \ j una matriz de //; x n con columnas ortonormales, y x y y están en R". Entonces.
a) I U J - M ¿) (¿ A H f* ) = x y c)
= O si y solo si x y = 0
la s propiedades a) y e ) dicen que el mapeo lineal x>~* Uit preserva longitudes y or togonal ídad. Esas propiedades son importantes para muchos algoritmos computacionales. Véase el ejercicio 25 para la demostración del teorema 7.
EJEMPLO 6
Sean U =
1fy fi. 2 /3 \ j j l -2 /3 0 1/3
yx=
. Observe que U tiene colum-
ñas ortonormales y l/x / 2 2 /3 Compruebe que
l/x /2 -2 /3
0 1/3
'\ / y f 2 \/y /2 0
= ||xj|.
http://www.fullengineeringbook.net 321 of 461.
2 /3 ' -2 /3 1/3
304 CAPÍTULO 5 Otogonalldad y mínimos cuadrados SOLUCIÓN
1/72
2/3"
U x = I 1/72 -2 / 3 L o
1/3.
[i]- R
\\ux\\ = y /9 + 1 + 1 = y n |x || = y/2 + 9 = V T Í Los teoremas 6 y 7 son particularmente útiles cuando se aplican a matrices cuadradas. Una m atriz ortogonal es una matriz cuadrada invertible ¿/tal que U ~x « U T. De acuerdo con el teorema 6. tal matriz tiene columnas ortonormal es.1 Es fácil ver que cualquier ma triz cuadrada con columnas ortonormales es una matriz ortogonal. De manera sorprendente, dicha matriz también debe tener Blas ortonormales. Véase los ejercicios 27 y 28. En el capí tulo 8 (en el sitio Web) se presentarán con frecuencia matrices ortogonales.
EJEMPLO
7
Lam atriz
3/7FT —1/76 -1 / 7 6 6 1 / 7 ÍI 2 /7 6 -4 / 7 6 6 1 /7 ÍT 1/76 7/766
U
es una matriz ortogonal porque es cuadrada y porque sus columnas son ortonormales. de acuerdo con el ejemplo 5. Compruebe que las filas [también sean ortonormales! ■
PROBLEMAS DE PRÁCTICA
2/75 j 1 /7 5
Demuestre que {■:, *>} es una base ortonor-
mal para M2. fc Sean y y L como en el ejemplo 3 y en la figura 3. Calcule la proyección ortogonal f de y sobre ¿utilizando u = ^ j e n lugar de « d el ejemplo 3. 3
Sean U y x como en el ejemplo 6. y y = í ~
]• Compruebe que Ux- Uy = x y
5 .2 EJER C IC IO S* En los ejercicios 1 a 6. determine qué conjuntos de vectores son ortogonales.
' &
’ 3" 3' ’- r -2 3 8 1 • -3 • 7 4 0 3
-4 ' ' 5' ‘ 3' -4 1 3 & 0 « -3 • 5 3 8 -1
En los ejercicios 7 a 10. demuestre que fi>i. i*,'} o {■). a, 9 )} son uta base ortogonal para R2o R3, respectivamente. Después exprese «como una combinación lineal de los vectores ■
7. —
[_ ?]■ —
[S ]y « -[_ ? ]
1 Un mejor nombre serta matriz oncnorrml. y este término se emplea en algunos textos
http://www.fullengineeringbook.net 322 of 461.
5.2
a
u,
a
ui
ti) Si y es una combinación lineal de vectores distintos de cero de un conjunto ortogonal, entonces los pesos en la combi nación lineal se pueden calcular sin operaciones de fila so bre una matriz. d Si se normalizan los vectores en un conjunto ortogonal de vectores distintos de cero, entonces tal vez algunos de los nuevos vectores no sean ortogonales. d) Una matriz con columnas ortonormales es una matriz ortogonal. e) Si Les una recia que pasa por O y si Jes la proyección orto gonal dp y sobre L, entonces |¡J|| da la distancia de y a L
1Q U|
1L Calcule la proyección ortogonal de ^ ^ J sobre la recta que pasa por[ ~ 2 ] yporel orlRPa 12. Calcule la proyección ortogonal de
_
jj sobre la recta que
pasa por £ ” *j y por el origen la
Sean y = ^ j y u = ^ _ * J. Escriba y como la suma de dos vectores ortogonales, uno en Cen {a) y el otro ortogonal a a
14 Sean y = ^
jy
u = ^ j. Escriba y como la suma de un
vector en Gen {■} y un vector ortogonal a u 1& Sean y = ^
Conjuntos ortogonales 305
jj y u =
Calcule la distancia de y a la recta
* 2 4 a) No todo conjunto ortogonal en R" es llnealmente lndepen diente. ti) Si un conjunto S - («i|.....o^} tiene la propiedad de que 0,-u, = Osiempre que / # J, entonces 5es un conjunto ortonormal. cj Si las columnas de una matriz A de m x «son ortonormales. entonces el mapeo lineal x —* 4 * preserva longitudes. d) la proyección ortogonal de y sobre v es igual a la proyec ción ortogonal de y sobre cw siempre que c * 0. ¿) Una matriz ortogonal es Invertí ble. 25. Demuestre el teorema 7. [Sugerencia: Para a), calcule \Ltitf.
o primero demuestre A)|. * 28. Suponga que Wes unsubespaclode R" generado por «vectores ortogonales distintos de cero. Explique por qué W = R". * 27. Sea Uuna matriz cuadrada con columnas ortonormales. Explique por qué ¿/es lnvertlWe. (Mencione los teoremas que utilice). * 28. Sea ¿/una matriz ortogonal de n x «Demuestre que las filas de ¿/forman una base ortonormal de R".
que pasa por u y el origen ^ a'cu*e k d ó n e la de y a la
* 29l Sean U y V matrices ortogonales de n x n Explique por qué ¿A'es una matriz ortogonal. [Es decir, explique por qué UV es Invertible y su inversa es (¿Ao7)-
En los ejercicios 17 a 22. determine cuáles conjuntos de vectores son ortonormales. Si un conjunto solamente es ortogonal, normalice los vectores para obtener un conjunto ortonormal.
* 30. Sea U una matriz ortogonal: construya V intercambiando al gunas de las columnas de U Explique por qué t'es una matriz ortogonal.
la
Sean y = ^
y u =
recta que pasa porn yel origen
31. Demuestre que la proyección ortogonal de un vector y sobre una recta L que pasa por el origen en R2 no depende de la elec ción del vector a diferente de cero en L que se emplea en la fórmula para J Para hacer esto, suponga que y y ■ están da dos y que Jse calculó mediante la fórmula (2) de esta sección. Sustituya n en tal fórmula por u donde ces un escalar distin to de cero no especificado. Demuestre que la nueva fórmula da el mismo valor para J 32. Sean {»i.
un conjunto ortogonal de vectores distintos de cero, y cj. «^escalares diferentes de cero. Demuestre que (cyri. O»2} también es un conjunto ortogonal. Como la ortogonal ldad de un conjunto está definida en términos de pares de vectores, esto demuestra que si se normalizan los vectores en un conjunto ortogonal, el nuevo conjunto seguirá siendo ortogonal
33. Dado u i 6en Rn.sea L - Gen {■}. Demuestre que el mapeo
En los ejercicios 23 y 24. todos los vectores están en R". Marque cada enunciado como verdadero o falso. Justifique sus respuestas. • 2 a á¡ No todo conjunto linealmente independiente en R "es un conjunto ortogonal.
**-* proy¿ xes una transformación lineal. * »4 Dado u t- Opn Rn.sea L - Gen (a). Para yen RB. la reflexión d ey « • ¿es el punto refi¿ y definido por refl¿y =■ 2-proyiy - y
http://www.fullengineeringbook.net 323 of 461.
306 CAPÍTULO 5 Otogonalldad y mínimos cuadrados Véase la figura, que Indica que refl¿ y es la suma de proy¿y y f - y. Demuestre que el mapeo y >-* refl¿ es una transformación lineal.
la reflexión de yen una recta que pasa por el origen 35.
-6 -1 3 6 2 -3 -2 1
6 1 3 6 2 3 2 1
-3 2 6 -3 -1 6 -1 2
1 -6 -2 -1 3 2 -3 6
• 36 [M| En los Incisos á) a d), sea U la matriz formada por la nor malización de cada columna de la matriz A del ejercicio 35. a) Calcule UTU y U lf. ¿En qué difieren? A) Genere un vector aleatorio y en R". y determine p = UiFy y i - y - p Explique por qué pestá en Col A Compruebe que zsea ortogonal a p c) Compruebe que «es ortogonal a cada columna de U.
M] Demuestre que las columnas de la matriz A son ortogonales haciendo el cálculo matrie tal adecuado. Especifique el cálculo que realizó.
d) Observe que y «= p + * con pen Col A. Explique por qué «está en (Col A)-. (En la siguiente sección se explicará el significado de esta descomposición de y).
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Los vectores son ortogonales porque ui • u 2 = - 2 / 5 + 2 / 5 = 0 Son unitarios porque
llu.ll2 =
(-1/V 5)2 + (2/V5)2 = 1/5+ 4/5 = 1
II**2II2 = (2/y/S)1 + (l/>/5)2 = 4/5 + 1 / 5 = 1 Fit particular, el conjunto {«i. ■?} es linealmente independiente y. por lo tanto, es una base para H2 porque hay dos vectores en el conjunto. Cuando y = [ ¡ ] y » = [ ] ]
Esta es la misma $ que se encontró en el ejemplo 3. La proyección ortogonal no parece depender de la ■ seleccionada sobre la recta. Véase el ejercido 31.
-M irH -i] También, del ejemplo 6. x =
^ jy Ux =
U x -U y = 3 + 7 + 2 = 12
y
- 1 . Por lo tanto.
x y = - 6 + 18 = 12
http://www.fullengineeringbook.net 324 of 461.
5 .3
5.3
P ro y e c c io n e s o r to g o n a le s
307
PROYECCIONES ORTOGONALES 1.a proyección ortogonal de un punto en R 2 sobre una recta que pasa por el origen tiene una Importante analogía en Dado un vector y un subespacío W e n R n. existe un vector $ en M a l que 1 . es el único vector en IV para el cual - f es ortogonal a W. y f e s el único vector en W más cercano a Véase la figura 1. Estas dos propiedades de f dan la clave para encontrar las soluciones de mínimos cuadrados de sistemas lineales, que se men cionaron en el ejemplo introductorio de este capitulo. En la sección 5.5 se contará la his toria completa. Como preparación para el primer teorema, observe que siempre que un vector se re presenta como una combinación lineal de vectores ......en R" los términos en la suma para se pueden agrupar en dos partes de manera que se representa como
y
f
y
y.
2.
y
y
y
y = *i + *2
W FIGURA 1
donde es una combinación lineal de algunas ■> y es una combinación lineal de las ■, restantes. Esta idea es útil en particular cuando {■,......« J es una base ortogonal. De la sección 5.1 recuerde que W x denota el conjunto de todos los vectores ortogonales a un subespado W.
E JE M P L O 1
Sea { a ..... una base ortogonal para R 5 y
y = c\ui Considere el subespacio W = Gen {«i, y un vector x¿ en Wx .
y escriba y como la suma de un vector Z | en W
SOLUCIÓN Escriba y = c iu i + C 2 U 2 + CJUÍ + C4U4 + C5U5 X.
donde
Z| = e n + r n
y
x2 =
r * 3+
X]
está en Gen {«i.
c«ai + cbm5
está en Gen {»,. *,. ■*}.
Para demostrar que x2 está en WL, es suficiente probar que 12 es ortogonal a los vectores en la base {a,, a,} para W. (Véase la sección 5.1). Utilizando propiedades del producto Interior, calcule x2 *u, = (C3U3 + c 4a 4 + c 5u 5) - u , = C3U3 •U| + C4U4 •U l + C 5 U 5-U |
= 0 ya que en W \
es ortogonal a B3. a¡ y a - Un cálculo similar indica que s 2n
= 0. Asi.
está m
F3 siguiente teorema demuestra que la descomposición y = xi + X2 del ejemplo 1 se puede calcular sin tener una base ortogonal para Rn. Es suficiente con tener una base orto gonal solo para W.
http://www.fullengineeringbook.net 325 of 461.
308 CAPÍTULO 5 Otogonalldad y mínimos cuadrados
TEOREM A 8
Teorema de descomposición ortogonal
Sea IVun subespacio de Ra. Entonces toda y en R" se puede escribir de forma única como 0) donde f está en W y z está en WL. De hecho, si {«i......es cualquier base ortogonal de W. entonces
S
y i
■l +
+ r mp mp-mp
(2 )
'P
y * = y -5
0 vector f en la ecuación (1) es la proyección ortogonal de y sobre W, y con frecuen cia se escribe com o proyj* y. Véase la figura 2. Cuando tVcs un subespacio unidimensional, la fórmula para f coincide con la fórmula que se presentó en la sección 5.2.
«y y
FIGURA2 sobre
y
FYoyecckJn o rtogonal de
y
W.
D E M O S T R A C IÓ N Sea ■ „ } una base ortogonal para W. y defina f con la ecua ción (2).' Entonces f está en A porque f e s una combinación lineal de la base « i..... mp Sea z = y - f . Como ■) es ortogonal a ......entonces a partir de la ecuación (2) se deduce que
z-u i = ( y - y ) * u i = y*u,
-
( -y ) V u ,-U |/
m«m -
O --------- O
= y-u, -y-u, = o Por lo tanto, z es ortogonal a De manera similar, z es ortogonal a cada « ,en la base para W. Por consiguiente, z e s ortogonal para todo vector en W. lis decir, z está en Wl . Rara demostrar que la descomposición en la ecuación (1) es única, suponga que y se puede escribir com o y = f , + Z| con f j en W. y z¡ en W \ Entonces y + z = f i + z, (ya que ambos lados son iguales ay ), y asi S - S i
= « ,-*
Esta igualdad indica que el vector v = y - f i está en W y en IVa (porque zi y z están ambos en Wx , y es un subespacio). Por lo tanto, v » = 0. lo que demuestra que v = O Esto prue ba que y = f i y también que Z| = z. ■ La unicidad de la descomposición (1) demuestra que la proyección ortogonal f solo depende de W y no de la base particular empleada en la ecuación (2). 1Se puede suponer que Wno es d súbespado cero porque, de otra forma, W1 = R"y la ecuación (t) simplemente serta y « • ♦ y. En la siguiente sección se demostrara que cualquier subespario dótalo de cero de Retiene una base ortogonal
http://www.fullengineeringbook.net 326 of 461.
5.3
EJEMPLO 2
Sean u, =
Proyecciones ortogonales 309
Observe que {■;, ^¡} es
una base octogonal para W = Gen {«j. *>}. Escriba y como la suma de un vector en W y de un vector ortogonal a W. SOLUCIÓN La proyección ortogonal de y sobre IVes
y=
Además,
y —y —
El teorema 8 asegura que y - £está en Sin embargo, para comprobar los cálculos, es una buena idea comprobar que y - ^ es octogonal a ai y * . y por lo tanto a toda W. La descomposición deseada de y es
y= Interpretación geométrica de la proyección ortogonal Cuando W es un subespacio unidimensional, la fórmula (2) para proy^y solo contiene un término. Asi. cuando dim W > 1. cada término de la ecuación (2) es en sí mismo una pro yección octogonal de y sobre el subespacio unidimensional generado por uno de los vectores ■ en la base para W. La figura 3 muestra esto cuando W es un subespacio de R 3 generado por «i y Aquí, y f t denotan las proyecciones de y sobre las rectas generadas por y o . respectivamente. La proyección ortogonal f de y sobre IVes la suma de las proyec ciones de y sobre subespacios unidimensionales que son ortogonales entre si. El vector $ en la figura 3 corresponde al vector y de la figura 4 de la sección 5.2. porque ahora es $ el que está en W.
=y.+y2
RGURA 3 121 proyección ortogonal de yes la suma de sus proyecciones sobre subespacios unidimensionales que son mutuamente ortogonales.
http://www.fullengineeringbook.net 327 of 461.
3 10
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
Propiedades de proyecciones ortogonales Si es una base ortogonal para W y resulta que y está en W. entonces la fórmula para p ro y ay e s exactamente la misma que la representaclóndey en el teorema 5delasección 5.2. En este caso, p ro y ^ y = y Si y está en W = Gen ( « i......^ } . entonces proyify = y. Este resultado también se deduce del siguiente teorema.
TEOREM A 9
Teorema de la mejor aproximación W'es un subespacio de R°. y es cualquier vector en R°. y f e s la proyección ortogonal de W. Entonces f en IVes el punto más cercano a y. en el sentido de que
y sobre
Ity - 511 < lly - *11
(3)
para toda v en Indiferente de f.
El vector f del teorema 9 se llama la mejor y d — í é b a y por d o n a M a s d e W En secciones posteriores del libro se examinarán problemas donde una y dada se debe rem plazar, o aproximar, mediante un vector v e n algún subespado infijo. La distanda de y a v. dada por ||y - vj|, se puede considerar como el “error" de usar v en lugar de y. El teorema 9 afirma que este error se minimiza cuando v = f Ixi desigualdad (3) conduce a una nueva demostración de que f no depende de la base ortogonal particular empleada para calcularlo. SI se utilizara una base ortogonal diferente para incon la finalidad de construir una proyección ortogonal de y. entonces esta proyecdón también seria el punto en inm ás cercano a y. a saber, f . DEMOSTRACIÓN Tome v e n indiferente de f. Véase la figura 4. Entonces f - v está en W. De acuerdo con el teorema de descomposirión ortogonal, y - f e s ortogonal a W. En particu lar, y - f e s ortogonal a f - v (que está en IV). Puesto que
y - v = (y —y) + (y —v) entonces, al utilizar el teorema de Pitágoras, se obtiene lly - » l l a = lly -y ||J + l | y - v f (Véase el triángulo rectángulo a la derecha de la figura 4. Se indica la longitud de cada lado). Ahora ||f - v)|2 > 0 porque f - v # 0. y asi se deduce inmediatamente la desi gualdad (3). ■
RGURA 4 La proyección ortogonal de y sobre mes el punto en IVmás cercano a y.
http://www.fullengineeringbook.net 328 of 461.
5.3
E JE M P L O 3
Si
■-[i}-[i]
Proyecciones ortogonales 3 1 1
y W = Gen {«i. a t). como en
el ejemplo 2. entonces el punto en IVmás cercano a y es y -J £ S L .. + 1 2 U U |-U |
i
- [
U ?-U 2
V] |/5
E JE M P L O 4 1ja distancia de un punto y en M" a un subespacio W se define como la distancia de y al punto más cercano en W. Encuentre la distancia de y a W = G en {ai, ^ } . donde
y =
[:il
-[i]
SOLUCIÓN De acuerdo con el teorema de la mejor aproximación, la distancia de y a W'es Ity - $ . donde f = proy» y. Ya que {«i. es una base ortogonal para W,
lly - yll2 = 32 + 62 =
45
La distancia de y a W'es \/4 5 = 3V 5.
■
H teorema final en esta sección muestra cómo la fórmula (2) para p ro y ^ y se simpli fica cuando la base para W'es un conjunto ortonormal. TEOREM A 1 0
Si {«i..... a,,} es una base ortonormal para un subespacio W'de R”, entonces proywyr = ( y a j a , + (y-% )«t + — + ( y - a ^ ,
(4)
Si U = (b ¡ m, ••• %,]. entonces p ro y ^y = U U T j
p a ra to d a y e n R"
(5)
DEMOSTRACIÓN La fórmula (4) se obtiene Inmediatamente de la ecuación (2) del teorema 8. Además, la ecuación (4) Indica que proy# y es una combinación lineal de las columnas de U empleando los pesos y a i, y * ......y a ^ Los pesos se pueden represen tar como u[y. u jy .......u£y. probando que son las entradas en i f y . y justificando la ecuación (5). ■ Suponga que U es una matriz de n x p con columnas ort onormales, y sea W'el espacio columna de U. Entonces. U TU x = I p x = x
para toda x en
<•rn.it>
UUTy = proy^ y
para toda y en R"
r. nu 10
Si (Jes una matriz (cuadrada) de n x n eó n columnas ortonormal es, entonces U es una matriz ortogonal, el espacio columna W'es todo de R°. y UUTy = ty = y para toda y en R'’. Aunque la fórmula (4) es importante para fines teóricos, en la práctica generalmente Implica algunos cálculos con raíces cuadradas de números (en las entradas de a j . 1.a fórmula (2) se recomienda para cálculos a mano.
http://www.fullengineeringbook.net 329 of 461.
3 12
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
PROBLEMA DE PRÁCTICA
¿ ] y W = Gen {«i, «fe}. Con base en el hecho
Sean tti = [
de que ■] y m¿ son ortogonales, calcule proywy.
5 .3 E JE R C IC IO S 1” En los ejercicios I y 2. se puede suponer que {«i.....■<} es una base ortogonal para R4. ' 1. U| =
0“ 1 . u3 = -4 -1
■ r
’3" 5 . Uj = 1 I
0 1 -4
' . Ui =
5" -3 -1 1
a
y
ft y
10 -8
2 0
Escriba x como la suma de dos vectores, uno la
y=
en Gen («i. t*. ns) y el otro en Gen {«■«}. ■ -2 ' T 2 1 . Uj = . Uj = 1 -1 1 1
r
1 . o. = -2 -1
’- r
1 1 -2
4
5 -3 3
Escriba xcomo la suma de dos vectores, uno en
1
3' 4 . U| = 5 6
r
■r
1 0 -1
0
0 -1 1 -1
. v: =
En los ejercidos 13 y 14. calcule la mejor aproximación a «con vec tores de la forma q v , + c¡v2.
ía
z=
3“ ' 2' ■ r -7 -1 1 . '1 = .Vj = 2 0 -3 3_ 1_
y
2~ 14 z = 1
1
4
0 . -1
2" 0 = -1 . Vj = .-3 .
5' -2 4 2_
1
1
11
9
KJ —
. Uj =
1
3 -1 1 .▼i =
'
•
U2 =
1
13
a. y
r
u»
-2
"3 " ■ r ‘ 3' 1 -1 1 1L y = 5 •vi = -1 ■ v? = 1 1 1 -1
Gen {o¡} y el otro en Gen {i*. «13. u ,}.
*
-1
-1 0 1
En los ejercicios 11 y 12. determine el punto más cercano a y en el suhespacio W'generado por Vi y *2.
y=
En los ejercicios 3 a 6. compruebe que { « . i*} es un conjunto or togonal. y luego encuentre la proyección ortogonal de y sobre Gen {■i. «*}.
ui
U|
-I 3 1
f'
51 r-n Encuentre la " 9 . Ui = - 5 . Ui = . 5j distancia de y al plano en Rs generado por Ui y n Sean J -
«• y En los ejercicios 7 a 10. sea ü'el subespacio generado por los vec tores u y escriba y como la suma de un vector en Wy un vector ortogonal a W.
lft Sean y, vi y ^ como en el ejercicio 12. Encuentre la distancia de y al subespacio de R4generado por Vi y *217. Sean
7. y
y
[4 ] 8 .
u, =
L*J W'“ Gen««i,i^}.
http://www.fullengineeringbook.net 330 of 461.
f 2 /3 ] 1/3 .
L 2/3J
u, =
r - 2 /3 “I 2/3
L 1/3 J
5.3 a) Sea £/= [u
«*|. Calcule iT U y U lf.
e) SI las columnas de una matriz U de n x p. son ortonorma les. entonces UUTy es la proyección ortogonal de y sobre el espacio columna de U.
b) Calcule proy&y y (UU7) y. '*
Sean5,= [ s ] - ” ’ = [ _ 3 / v r g ] y lt'= Gen (“ i) á) Sea ¿/la matriz de 2 x 1 cuya única columna es u,. Calcule LPV y UUr. b) Determine proy* y y (UU7) ]
* BL a) Si Wes un subespacio de R"y si y está en W y en W'\ en tonces «debe ser el vector cero. b) En el teorema de descomposición ortogonal, cada término en la fórmula (2) para fe s en si mismo una proyección de y sobre un subespaclo de W.
'o ' 0 . Observe que i
d Si y = *; + «y. donde «i está en un subespaclo Wy *?está en IV'i , entonces «i debe ser la proyección ortogonal de y sobre W.
no es ortogonal a o, o o?. & posible demostrar que u, no está en el subespaclo W'generado por n¡ y u¿. Con base en este hecho, construya un vector v dferente de cero en Rs que sea ortogonal a u y o*
di La mejor aproximación a y por elementos de un subespaclo IVestá dada por el vector y - proy *y. e) Si una matriz U de n x p. tiene columnas ortonormales, en tonces U lfx - «para toda «en R".
r
■!
U J
r
si y u, =
u,= r J
u y u, son ortogonales, pero que
8Q Sean ni y m¡ como en el ejercicio 19. y u¿ ble demostrar que Oí no está en el subespacio tPgenerado por oí y «*>. Con base en este hecho, obtenga un vector v diferente d» cero en R*que sea ortogonal a u, y n>. En los ejercicios 21 y 22, todos los vectores y subespar los están en IT. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. •
Proyecciones ortogonales 3 13
O. 4)
Si *es ortogonal a b ¡ y a ces «debe estar en Wx.
o, y si
1^= Gen
* 23. Sea Auna matriz de m x n Demuestre que cada vector« en R" * puede escribir en la forma z = p + o. donde pestá en FU A y u pertenece a Nul A. Además, demuestre que si la ecuación .4« = b« consistente, entonces existe una única p en Fil A tal que A f = b *
{n, ■?}. enton
b) Rara cada y y cada subespaclo W, el vector y - proy^y es ortogonal a IV. d Algunas veces f. la proyección ortogonal de y sobre un subespacio W. puede depender de la base ortogonal de W empleada para calcular f d) Si y está en un subespaclo IV! entonces la proyección orto gonal de y sobre IV'esymisma.
Sea IVunsubespaclo de R"con una base ortogonal {w¡..... w^,}, ysea ..........una base ortogonal para WL. a) Explique por qué w,. ▼,..... es un conjunto or togonal. b) Explique por qué el conjunto del inciso a) genera a R". d Demuestre que dim W + dim Wl = n 2Sl |M] Sea £/la matriz de 8 x 4 del ejercicio 36 de la sección 5.2. Encuentre el punto más cercano a y - (I. 1. 1. 1. 1. 1. I, I) en Col U Escriba las instrucciones que utilizó para resolver este problema. 2Bl M) Sea í/la matriz del ejercicio 25. Obteqga la distancia de = (1. 1. 1. 1 . - 1 . - 1 , - 1 . - D a C o lí/.
b
SOLUCIÓN AL PROBLEMA DE PRÁCTICA Calcule
proy* y =
y » u, + V;U2 U2 = U f Ui
«2
= y
En este caso, y resulta ser una combinación lineal de El punto en H'más cerca de y es y misma.
http://www.fullengineeringbook.net 331 of 461.
di
yu
de manera que y está en W.
3 14
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
5.4
PROCESO DE GRAM-SCHMIDT El proceso de Gram-Schmidt es un sencillo algoritmo para obtener una base ortogonal u ortonormal para cualquier subespado diferente de cero de Rn. I / k dos primeros ejemplos de este proceso son para realizarse a mano. E JE M P L O 1
Sea W = Gen {*,.
■3 ' *1" 6 y x2 = 2 . Construya una 2 0
donde x, =
base ortogonal {▼!. vj} para IV.
w
SOLUCIÓN En la figura 1se ilustra el subespacío IV. junto con x¡. xs y la proyecdón p d e jfc sobre s i. La componente de *2 ortogonal a si es - p que está en W porque se forma a partir de y de un múltiplo de x¡. Sea = jq y
i ........
VJ
=
Xj: -
p =
X2 * X, X ? -------------- X | X ,.X ,
=
■
T 2 2
—
15 45
'3 ' 6 = 0
* 0" 0 2
Entonces {vi. ▼?} es un conjunto ortogonal de vectores distintos de cero en W. Como dim W = 2. entonces el conjunto {▼,. v2} es una base para W. ■ RGURA1
Construcción de una base ortogonal {*i.v2}.
El siguiente ejemplo ilustra plenamente el proceso de Gram-Schmidt. Estudíelo con cuidado.
E JE M P L O 2
Sean x i —
1 1 1
y xj =
1---------0 O — 1 _____
' 0"
r
1 1 . *2 = 1
L Entonces. {*,. x¿. *3} os.
1
a todas luces, linealmente independiente y. por consiguiente, es una base para un subespacio IVde R4. Construya una base ortogonal para W. SOLUCIÓN P asol. Sean v, = x , y W\ = Gen {*,} = Gen {v,}. Paso £ Sea y? el vector produddo al restar de *2 su proyecdón sobre el subespado W\. Es decir, sea
*2 - «e - proyn' *2
=
*2* vi v, VpVi T _ 3 1 4 1 1
* 2 ---------
"o " 1 1 1
-3 /4 1 1/4 1/4 1/4
Como en el ejemplo 1. es la componente de x2 ortogonal a jq. y gonal para el subespacio generado por X\ y x?.
{v,. xr2} es una base orto
P aso2 (opcional). Si es pertinente, escale vz para simplificar cálculos posteriores. Como x2 tiene entradas fracciónales, entonces es conveniente escalarlo por un fador de 4 y sustituir {•vi. V2} por la base ortogonal
http://www.fullengineeringbook.net 332 of 461.
Proceso de Gram -Schm idt 3 1 5
5 .4
Paso 3 Sea el vector obtenido restando de x 3 su proyección sobre el subespacio W-¿. Utilice la base ortogonal {vi, v?} para calcular esta proyección sobre W¡: Proyección ftoyeccidn de de x¡ sobre vi *>sobre v? l
i
x ,-V |
* rv ¿
'- 3
1
2
1 1
2 + Í2
1
0 =
1
1
1
2/3 2/3 L 2/3 J
Entonoes. n es la componente de xs ortogonal a W2, a saber.
v 3 = *a - proywj x3 =
'0 ' 0 1 1
0 ' 2 /3 2 /3 2 /3
0 -2 /3 1/3 1/3
Véase en la figura 2 un diagrama de esta construcción. Observe que v 3 está en W porque x3 y proyH’jfe están en W. Asi. {vi. v¿. Tj} es un conjunto ortogonal de vectores diferentes de cero y. por lo tanto, un conjunto linealmente independiente en W. Observe que Wes tridi mensional porque está definido con una base de tres vectores. Por lo tanto, de acuerdo con el teorema de la base de la sección 4.5, {vi. vj. yj} es una base ortogonal para IV ■
FIGURA 2 Construcció n de *3 a p artir de *5
y K*. La demostración del siguiente teorema revela que esta estrategia realmente funciona No se menciona el escalamiento de vectores porque solo se usa para simplificar los cálculos a mano.
TEOREM A 11
Proceso d e Gram-Schmldt A partir de una base {x,......para un subespado IVde
se define
*1 = * ! *2 = *2
V,-V, X3 - V ,
*3-*2
V, «V,
X2 • * 2
▼j = *! “ ------- *i “ --------* 2
'p = * P ~
V i-V i
V 2-V 2
V p -rV p -i
Entonces, {vi......v,,} es una base ortogonal para W. Además. Gen {vi......v^} = Gen {xi.......x*}
http://www.fullengineeringbook.net 333 of 461.
para 1 s k s p
( 1)
3 16
CAPÍTULO 5 Otogonalldad y mínimos cuadrados DEMOSTRACIÓN Para 1 £ k s p, sea W¡ = Gen (X)..... x*}. Establezca que ▼] = X|. por lo que Gen {xi} = Gen {xj}. Suponga que. para alguna k < p. se construyeron v i......v*. de manera que {x,...... v*} es una base ortogonal para W¡¡. Se define
▼i, i = Xt, i - proyiMtXN-1
(2)
De acuerdo con el teorema de descomposición ortogonal. x í , i es ortogonal a Wt. Observe que proyiv, x * .i está en Wt y. por lo tanto, también en W't+i. Como x*h está en Wt+1, entonces también x*+I lo está (ya que es un subespacio y es cerrado bajo la resta). Además. x*+i * • porque x¿. ¡ no está en Wt = Gen {xi..... x*}. Por lo tanto, {vi....... v n i} es un conjunto ortogonal de vectores distintos de cero en el espacio (Á+l)-dimensional 1. De acuerdo con el teorema de la base de la secdón 4.5, este conjunto es una base ortogonal para Wt+\. Por lo tanto, Wt* i = Gen {vi..... v*+t}. El proceso se detiene cuando k + \ = p. ■ El teorema 11 indica que cualquier subespacio ^ d istin to de cero de K" tiene una base ortogonal, porque una base ordinaria (xi......x,,} siempre está disponible (de acuerdo con el teorema 11 de la secdón 4.5), y el proceso de Gram-Schmidt solo depende de la existenda de proyecdones ortogonales sobre subespacios de W-'que ya tengan bases ortogonales.
Bases ortonorm ales Una base ortonormal se construye con facilidad a partir de una base ortogonal {vj......vp): simplemente se normalizan (es decir, se ‘ escalan*) todas las v*. Cuando se trabajan proble mas a mano, esto es más fácil que normalizar cada \ t conforme se vayan encontrando (porque evita la escritura innecesaria de raíces cuadradas). EJ EM PLO 3
En el ejemplo 1 se construyó la base ortogonal
Vi =
’3 " 6 . 0
v2 =
■<>0 2
Una base ortonormal es
Factorización Q R de m atrices Si una matriz A de m x n tiene columnas linealmente independientes x i..... jl» la aplica ción del proceso de Gram-Schmidt (con normalizaciones) a x , ......x„ equivale a factorizar A. como se describe en el siguiente teorema. Esta fadorizadón se utiliza ampliamente en algoritmos computacionales para diversos cálculos, como la resolución de ecuaciones (que se analizó en la secdón 5.5) y la determinarión de valores propios (que se mencionó en los ejercidos de la secdón 7.2. en el sitio W?b).
http://www.fullengineeringbook.net 334 of 461.
5.4
TEOREM A 12
Proceso de Gram -Schm idt 3 1 7
la factorlzadón QR Si A es una matriz de m x n con columnas linealmente independientes, entonces A se puede facíorizar como A = Q R donde Q es una matriz d e m x n cuyas columnas for man una base ortonormal para Col A. y R e s una matriz triangular superior invertible de n x n eó n entradas positivas en su diagonal.
DEMOSTRACIÓN L.as columnas de A forman una base {x,..... x„} para Col A. Construya una base ortonormal { u :..... m„} para W = Col A con la propiedad (1) del teorema 11. Esta base se puede construir mediante el proceso de Gram-Schmidt o con alguna otra técnica. Sea Q = [u,
u2 ••• u, j
ParaA = 1..... n. x* está en Gen {xi.......x*} = Gen {■■....... m }- Entonces existen constantes. r
,
tales que %t = ruUt + • • • + r*¿u* +0-u*+i H------ i-O-Un
Podemos suponer que ru "z. 0. (Si ru < 0. multiplique a* y « i por - 1 ) . Esto muestra que x¿ es una combinación lineal de las columnas de C? empleando como pesos las entradas del vector r\k
0 Es decir. Xi = Qrt para k
= 1.... n
A = [xi
Sea R =
[rj •••r„). Entonces,
••• xn] = [ ^ r ,
...
Q rn ] = QR
El hecho de que R es invertible se deduce fácilmente del hecho de que las columnas de A son linealmente independientes (ejercido 19). Como resulta evidente que R es triangular superior, sus entradas diagonales no negativas deben ser positivas. ■
E JE M P L O 4
Encuentre una factorizadón QR de A —
0 1 1 1
1 1 1 1
0 0 1 1
SOLUCIÓN Las columnas de A son los vectores xj. x? y *3 del ejemplo 2. En ese ejemplo, se encontró una base ortogonal para Col >1 = Gen {xi. x?. * 3}:
—3*
T Vi =
1
1 . 1
fS -
1 . 1 1
0 v3 =
-2 / 3 1/3
1/3
Para simplificar la aritmética que sigue, escale dejando que *5 = Después, normalice los tres vectores para obtener m\. m> y m . y utilice esos vectores como las columnas de Q. 1/2 1/2 1/2 1/2
—3 / \ / l 2 1/VT2 1 />/Í2 l/v /1 2
http://www.fullengineeringbook.net 335 of 461.
0 —2 / \/ó i / v 'e \/V e
3 18
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
Por construcción, las primeras ¿columnas de Qson una base ortonormal de Gen {*|.....x Á}. De la demostración del teorema 12, A = Q/?para alguna R Para encontrar R observe que Q TQ = I, porque las columnas de Qson ortonormales. De ahi que Q rA = Q T (Q R) = IR = R
y R =
1/2 1/2 - 3 / n/Í2 \/V ñ 0 -21 Ve 2 0 0
3/2 3/\/Í2 0
1/2 1/ V \2 i/Ve
1/2 1/V Í 2 1/V e
i I 2/>/l2 2i Ve
J
----- NOTAS N U M É R IC A S -------------------------------------------------------------------------
1. Cuando el proceso de Gram-Schmidt se ejecuta en una computadora, el error por redondeo puede crecer conforme se van calculando los vectores «i, uno por uno. Cuando j y ¿son grandes, pero diferentes, los productos interiores u [ u t quizá no sean suficientemente cercanos a cero. Esta pérdida de ortogonalidad se puede re ducir de manera sustancial reordenando los cálculos. 1 Sin embargo, en vez de este método de Gram-Schmidt modificado se prefiere el método de la faetónzación QR basado en computadora porque conduce a bases ortonormales más exactas, aun cuando la factorización requiere casi el doble de aritmética ÜL Para obtener una factorización QR de una matriz A, un programa de cómputo ge neralmente multiplica A por la izquierda por una secuencia de matrices ortogonales hasta que A se transforme en una matriz triangular superior. Esta construcción es análoga a la multiplicación por la izquierda con matrices elementales que produce una factorización LU de A.
PROBLEMA DE PRÁCTICA
Sea IV = Gen {*,. n?}. donde x, —
T i i
r y*2 =
1/31
i/3 L -2 /3 J
para W.
5 .4 E JE R C IC IO S 1' Di los ejercicios I a 6. el conjunto indicado es una base para un sub espacio W. Utilice el proceso de Gram Schmkit con la finalidad de obtener una base ortogonal para W. 2.
1 Véase Fundanx-ntals o f Mairlx Compixattons, de David S. Wbtklns (Nueva York: John W iley & Sons, 1991), pp 187-180.
http://www.fullengineeringbook.net 336 of 461.
5.4 7.
Encuentre una base ortonorma] del subespacio generado por los vectores del ejercicio 3.
8.
Obtenga una base ort onormal del subespacio generado por los sectores del ejercicio 4.
Unios ejercicios 9 a 12. determine una base ortogonal para el espacio columna de cada matriz. 3 -5 r 1 1 i -1 5 -2 3 -7 8 2 1 5* -1 1 -4 4 -3 -1 1 -4 7 1 2 1
10.
-1 6 3 -8 1 -2 1 -4
6" 3 6 -3
12.
1 3 -1 - 3 0 2 1 5 1 5
5" 1 3 2 8
En los ejercicios 13 y 14. las columnas de Qse obtuvieron aplicando el proceso de Gram Schmidt a las columnas de A. Encuentre una ma triz A?triangular superior tal que A - QR. Compruebe su resultado 9" ‘ 5 1 7 - 3 - 5 ■ = 1 5.
5/6 -1 /6 " 1/6 5/6 -3 /6 1/6 3 /6 .
‘- 2 • - 2 /7 3’ 7 (i — 5 5/7 2 -2 • V — 2/7 4 6 . 4/7
5 /7 ’ 2/7 - 4 /7 2/7
1& Encuentre una factorlzación QR de la matriz del ejercicio 11. 1& Obtenga una factorlzación QR de la matriz del ejercicio 12. En los ejercicios 17 y 18. todos los vectores y subespaclos están en Rn. Marque cada enunciado como verdadero o falso. Justifique sus respuestas. 17. a) Si {*,. Vj) es una base ortogonal para W, entonces la multiplicación de por un escalar cda una nueva base orto gonal b) □ proceso de Gram-Sctvnidt aplicado a un conjunto lineal mente independiente (z,.... z,,} produce un conjunto orto gonal {▼!..... con la propiedad de que para cada k. los sectores .....v^generanel mismo subespacio que se origi nó porz(..... Xi Si A » QR. donde Q tiene columnas ortonormales, entonces R= QTA.
1& a) Sí W = Gen (zj. x-, *■) con (zi, z?. zd linealmenle inde pendiente. y si {vi. t t. Ti} es un conjunto ortogonal en IV. entonces {T|, t ?. t »} es una base para W. b) Si x no está en un subespacio W, entonces z - proy » z no es cero. En una factorlzación QR. por ejemplo. A - QR (cuando A tiene columnas llnealmente independientes), las colum ms de Q forman una base orto normal para el espacio co lumna de A.
Proceso de Gram -Schm idt 3 19
• Ift Suponga que A - QR, donde Qes de m x n y R es de n x n Demuestre que si las columnas de A son linealmenle lndepere denles, entonces Rdebe ser invertible. [Sugerencia: Estudie la ecuación Rx = Oy considere el hecho de que A - QR\. • 20l Suponga que A = QR. donde R es una matriz Invertible. Demuestre que A y Q tienen el mismo espacio columna. [Sugerencia: Dada y en Col A. demuestre que y * Qx para alguna z Además, dada y en Col Q, demuestre que y = Ax pora alguna zj. • a . Dada A - QR como en el teorema 12. describa cómo encontrar ma matriz ortogonal ^ de m x m y una matriz triangular su perior Invertible Rde n x males que
Ib instrucción qr de MATLAB proporciona esta factorlzación QR 'completa” cuando el rango de A = n 22. Sean a ,.....una base ortogonal para un subespacio IVde Wa. y T: R" -♦ R" definida por 7Jx) = proyMz Demuestre que T es una transformación lineal. * 23. Suponga que A = QRes una factorlzación QR de una matriz A dp m x n (con columnas linealmenle independientes). Particione A como |Ai A¡\. donde A¡ tiene p columnas. Muestre cómo obtener una factorlzación QR de A\. y explique por qué su faclorización tiene las características adecuadas. 2t
|M] Utilice el proceso de Cram Schmldt. como en el ejemplo 2. y obtenga una base ortogonal para el espacio columna de
-10 13 2 1 -6 3 16 -1 6 2 1
7 -11 -5 3 13 - 3 -2 5 -5 -7
2S. [M] Aplique el método expuesto en esta sección para obtener ma factorlzación de la matriz del ejercicio 24. 2 a (M| En un programa de matrices, el proceso de Gram Schmldt funciona mucho mejor con vectores ortonormales. Comenzare do con zi .....Zp como en el teorema 11, sea A = [zi ••• Suponga que Qes una matriz de n x k cuyas columnas forman ma base ortonormal para el subespacio generado por las primeras ¿columnas de A. Entonces para z en R". QQ'zes la proyección ortogonal de z sobre iV* (teorema 10 de la sección 53). Si x t, i es la siguiente columna de A. entonces la ecuación (2) en la demostración del teorema 11 se convierte en v*+i = x*+i -(?((?'* * + « ) (Los paréntesis en la ecuación anterior reducen el número de operaciones aritméticas). .Sea u*+i = r t + i / l n + i l - La nueva tapara el siguiente paso es [Q 1J. Utilice este procedí miére Id para calcular la factorización QR de la matriz del ejercicio 24. Escriba las instrucciones que utilice.
http://www.fullengineeringbook.net 337 of 461.
3 20
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
SOLUCIÓN AL PROBLEMA DE PRÁCTICA
Sean vi = *i =
1
L»J
y v i = x 2 - ~ ~ ~ ~ v , = x2 -O v , = *2- Así, {*i. xz) ya es orto
gonal. Ahora todo lo que se necesita es normalizar los vectores. Sea
En vez de normalizar y? directamente, se normaliza
■V1
U2
Entonces, (« i.
5.5
= 3r?:
y iJ + l ‘ + C -2 )i[_ í]
[_&j]
es una base ortonormal para W.
PROBLEMAS DE MÍNIMOS CUADRADOS Hl ejemplo Introductorio a este capítulo describió un enorme problema del tipo A x = b que no tuvo solución. En las aplicaciones son frecuentes los sistemas inconsistentes, aunque por lo general no aparecen matrices de coeficientes tan grandes. Cuando se pide una solución y esta no existe, lo mejor que se puede hacer es encontrar una x tal que A x esté lo más cerca posible de b Piense que A x es una aproximación a b. Cuanto menor sea la distancia entre b y /tx dada por ||b - /lx|. mucho mejor será la aproximación. El problema general de rinimas «adradas consiste en encontrar una x que haga a b - A x\ tan pequeña como sea posible. El adjetivo 'm ínim os cuadrados* se origina en el hecho de que |[b - ybc[ es la raíz cuadrada de una suma de cuadrados.
D E F IN IC IÓ N
S i d e s d c m x / r y b está en R®. uní) «badán de ndainxw « a d ra d a de A x = b es un&en R fltal que b - A i\s ,h -A 4 para toda x en
R".
El aspecto más importante del problema de mínimos cuadrados es que sin importar cuál vector A x necesariamente estará en el espacio columna. Col A. Así que se busca un vector x que haga que >txsea el punto en Col A más cercano a b. Véase la figura 1. (Desde luego, si b resulta estar en Col A. entonces b es A x para alguna x, y tal x es una 'solución de mínimos cuadrados").
x se seleccione, el
Ax
RGURA1 U vector bestá más cerca de Ak quede /txpara otrax.
http://www.fullengineeringbook.net 338 of 461.
5.5
Problemas de mínimos cuadrados 3 2 1
Solución del problem a general de m ínim os cuadrados Con base en los A y b anteriores, aplique el teorema de la mejor aproximación que se expuso en la sección 5.3 al subespacio Col A. Sea f» = proycoi a k
Como i está en el espado columna de A, la ecuadón A x = b es consistente, y existe una i> en Mntal que A *= \>
(1)
Como t e s el punto en Col A más cercano a b. un vedor t e s una soludón de mínimos cua drados de A x = b s i y solo si tsatisface la ecuación (1). Tal t e n R" es un lista de pesos para construir i»a partir de las columnas de A. Véase la figura 2. [Existen muchas soludones de la ecuadón (1) si tiene variables libres].
R" HGURA 2 La solución de mínimos cuadrados i está en W".
Suponga que isatlsfao e Ak = fi Según el teorema de descom posidón ortogonal de la secdón 5.3, la proyección fctiene la propiedad de que b - bes ortogonal a Col A, de manera que b - A i es ortogonal a cada columna de A. Si a, es cualquier columna de A. entonces a y - ( b - A x ) = 0 y a r (b - Ax) = 0. Como cada a ' es una fila de Ar, Ar (b — Ax) = 0
(2)
(Esta ecuadón también se deduce del teorema 3 de la secdón 5.1). Asi.
A ' b - A rA * = 0 A 'A i = A 1 b Estos cálculos indican que cada solución de mínimos cuadrados de A x = b satisface la ecuadón A tAx = A 7*
(3)
La ecuadón m atridal (3) representa un sistema de ecuaciones llamado las e r n a c k m s nor m ales para A x = b Es frecuente que cada solución del sistema (3) se denote con t
T E O R E M A 13
0 conjunto de soludones de mínimos cuadrados de A x = b coindde con el conjunto no vacio de soluciones de las ecuaciones normales A rA x = /l^b.
D EMOSTRACIÓN Como ya se mostró antes, el conjunto de soludones de mínimos cuadra dos es no vacío y cada soludón de mínimos cuadrados t satisface las ecuaciones normales. A la inversa, suponga que isa tisfa ce A rA k = Arb. Entonces, isatisface la ecuadón (2) an terior. lo que demuestra que b - A k es ortogonal a las filas de A r y, por lo tanto, ortogonal
http://www.fullengineeringbook.net 339 of 461.
322
CAPÍTULO 5 Otogonalldad y mínimos cuadrados a las columnas de A. Como las columnas de A generan Col A. entonces el vector b - A k es ortogonal a todo elemento de Col A. Por consiguiente, la ecuación b = A x + ( b - A i) es una descomposición de b en la suma de un vector en Col A y de un vector ortogonal a Col A Por la singularidad de la descomposición ortogonal. A k debe ser la proyección orto gonal de b sobre Col A. Es decir, / t i = h y i es una solución de mínimos cuadrados. ■ E JE M P L O 1 A x = b para
Encuentre una solución de mínimos cuadrados del sistema inconsistente
SOLUCIÓN Para emplear las ecuaciones normales (3), calcule
Entonces, la ecuación A TA x =
se convierte en
[" ¡ I : ] - [ s ] Pueden utilizarse operaciones de fila para resolver este sistema, pero como ArA es de 2 x 2 e invertible, tal vez sea más rápido calcular ( A tA )~ 1 =
y luego resolver A rA x =
A7b como
i - ( A rA)“ ‘ A r b
. i r -nri9i=ir wJ lpi L2J 5
8 4 [-l
l7jL llJ
168
En muchos cálculos, A rA es invertible, pero este no siempre es el caso. El siguiente ejemplo implica a una matriz como las que suelen presentarse en estadística, en problemas de
análisis de varíanza. E JE M P L O 2
Encuentre una solución de mínimos cuadrados de A k = b para 1 1 I 1 1 I
1 1 0 0 0 0
0 0 1 1 0 0
0' 0 0 . 0 1 1
b =
http://www.fullengineeringbook.net 340 of 461.
'- 3 ' -1 0 2 5 1
5.5
Problemas de mínimos cuadrados 323
SOLUCIÓN Calcule '1 1 0 0
1 1 0 0
1 0 1 0
1 0 1 0
1 0 0 1
r 0 0 1
'1 1 1 1 1 1
1 I 0 0 0 0
’1 1 0 0
1 1 0 0
1 0 I 0
1 0 1 0
1 0 0 1
r 0 0 1
■ -3 ’ -1 0 2 = 5 1
0 0 1 1 0 0
tf 0 0 c 1
'6 2 2 2
2 2 0 0
2 0 2 0
2" 0 0 2
4' -4 2 6
La matriz aumentada para A TA x = i47b e s '6 2 2 2
2 2 0 0
2 0 2 0
4' 2 0 -4 0 2 2 6
'1 0 0 0
0 1 0 0
0 1 3' 0 - 1 —5 1 -1 -2 0 0 0
La solución general es x\ = 3 - xa , *2 = - 5 + x i. xy = - 2 + lución general de mínimos cuadrados de ,4x = b tie n e la forma
x=
xa .
y
xa es
libre. Asi. la so
3' ” —1 " I -5 + Xa -2 1 0 1
El siguiente teorema brinda útiles criterios para determinar cuándo existe solamente una solución de mínimos cuadrados de A x = b (Desde luego, la proyección ortogonal i siempre es única). TEOREMA 14
Sea A una matriz de m x a Los siguientes enunciados son lógicamente equivalentes: a) La ecuación A x = b tie n e una solución de mínimos cuadrados única para cada enH “
b
ti) I^as columnas de A son linealmente independientes. Ó 1.a matriz ArA es invertible. Cuando estos enunciados son verdaderos, la solución & de mínimos cuadrados está dada por i = (A tA)~ x A \
(4)
En los ejercicios 19 a 21 se indican los elementos principales para demostrar el teore ma 14; en tales ejercicios también se revisan conceptos del capitulo 4. La fórmula (4) para ¿ es útil sobre todo para fines teóricos y cálculos a mano cuando ArA es una matriz invertible de 2 x 2. Cuando se usa una solución i de mínimos cuadrados para producir A k como una apro ximación a b. entonces la distancia de b a A k se llama el errar ntnimrK cuadradas de esta aproximación. E JE M P L O 3 Dados A y b ro m o en el ejemplo 1, determine el error de mínimos cuadra dos en la solución de mínimos cuadrados de A x = b.
http://www.fullengineeringbook.net 341 of 461.
324
CAPÍTULO 5 Otogonalldad y mínimos cuadrados SOLUCIÓN A partir del ejemplo 1,
r 2i o L»J
y
a í
'4 o
=
°lrn 2. J l 22J =
’41
4
L3j
Por lo tanto,
r4 ¡
r zi 0
L"J
-
4 l_3j
r - 2i = -4
L 8J
y IIb - i4x|| = -/84. Para cualquier x en IR2, la distancia entre k y el vector A x es al menos \/84. Véase la figura 3. Observe que la solución i de mínimos cuadrados no se presenta en la figura. ■
Cálculos alternativos de solucionas de m ínim os cuadrados El siguiente ejemplo muestra cómo encontrar una solución de mínimos cuadrados de A x = b cuando las columnas de A son ortogonales. Con frecuencia tales matrices se presentan en problemas de regresión lineal, como los que se analizarán en la siguiente seccióa
EJEMPLO 4
Encuentre una solución de mínimos cuadrados de A x = k p ara ■|
-6 '
1 -2 1 1 7 1
- r
2 1
b =
6
SOLUCIÓN Como las columnas ai y 9¿ de A son ortogonales, la proyección ortogonal do b sobre Col A está dada por
« bai b*a-> 8 45 b = ------- ai + ------- a: = -a , + — a? ai-ai
82*82
4
90
"2 " '- 3 ' ' -1 2 -1 1 2 + 1/2 — 5 /2 2 U /2 L7/ 2 J
(5)
Ahora que se conoce 6. se puede resolver A k = f> Pero esto es trivial, porque ya se sabe que los pesos a colocar sobre las columnas de A producen f» A partir de la ecuación (5) es claro que
En algunos casos, es posible que las ecuaciones normales para un problema de mínimos cuadrados estén m al condicionadas, es decir, en ocasiones, pequeños errores en los cálculos de las entradas de ATA causan grandes errores en la solución i. S las columnas de A son lineal mente independientes, la solución de mínimos cuadrados con frecuencia se puede calcu lar de manera más confiable con una factorización QR de A (descrita en la secdón 5.4).1 1 F l método QR « compara con el método de la ecuadOn normal estándar en G Golub y C . Van Loan,
Compútanos, 3a. ed. (Baltimore: Jdhns Hopklns Press, 1990), pp. 230 -231.
http://www.fullengineeringbook.net 342 of 461.
Matrfx
5.5
TEOREMA 1
Problemas de mínimos cuadrados 325
Dada una matriz A de m x n, con columnas lineal mente independientes, sea A = QR una factorizaclón QR de A como en el teorema 12. Entonces, para cada b en R'". la ecuación A x = b tiene una solución de mínimos cuadrados única, dada por
i = /T 1 < /b
(6)
DEMOSTRACIÓN S e a i = R~x Q l k Entonces. A i = Q R i = Q R R ~ 'Q t b = Q Q t b De acuerdo con el teorema 12. las columnas de Q forman una base ortonormal para Col A. Por lo tanto, según el teorema 10. Q C fb c s la proyección ortogonal t d e b sobre Col A. Así. A k = b . lo que muestra que I e s una solución de mínimos cuadrados de A x = b La unicidad de I se deduce del teorema 14. ■ ----- NOTA NU MÉ RI CA --------------------------------------------------------------------------------Como en el teorema 15. ^ e s triangular superior, entonces I se debería calcular como la solución exacta de la ecuación R x= (? b
(7)
Es mucho más rápido resolver (7). por sustitución hacia atrás o mediante operaciones de fila que calcular R ~ l y utilizar la ecuación (6).
E J EM PLO 5
Encuentre la solución de mínimos cuadrados de A x = b para '1 1 1 1
3 1 1 3
5* 0 . 2 3
b =
3' 5 7 -3
SOLUCIÓN La factorización QR de A se obtiene como en la sección 5.4: 1/2 '1/2 1/2 1/2 - 1 / 2 - 1 / 2 QR = 1/2 - 1 / 2 1/2 1/2 - 1 / 2 . L 1/2
'2 o
4 2 0
5' 3 2
Luego.
r ‘/2
1/2 1/2 - 1 / 2 L 1/2 - 1 / 2
1/2 1/2 - 1 /2 1/2 1/2 - 1 / 2
La solución de mínimos cuadrados Isatisface Rx =
3 5 7 -3
es decir.
[: i SI;]-[i] Esta ecuación se resuelve fácilmente y conduce a x
•[-i]
-[i]
http://www.fullengineeringbook.net 343 of 461.
326
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
PROBLEMAS DE PRÁCTICA*
1. Sean A
I -3 -3 I 5 I
1 7
Encuentre una solución de mínimos cuadra-
2.
dos de A x = b y calcule el error de mínimos cuadrados asociado. ¿Qué se puede decir acerca de la solución de mínimos cuadrados de A x ortogonal a las columnas de A?
bcuando b e s
5 .5 EJER C IC IO S*
1 J
[i iW 1 -2
3. A
4. A
-I 0 2
2 .b 3 5
12 A 3' 1 -4 2
6. A
1 1 0 0
0' T 0 3 b = 1 8 .2 , 1.
‘1 1 1 1 1 .1
1 1 1 0 0 0
0' *7' 0 2 0 3 b= 6 1 1 5 4 1.
"
-
[ - * } • “ [-? ]
y '
=
una solución de mínimos cuadrados de Ax - b? (Respondí sin calcular una solución de mínimos cuadrados).
s" n A = [ ~ l - jj- b = [* } ” [ - ¡ ] y T ” £ _ ^ j. Determine .-1o y Ax. y compárelos con b ¿Es posible que al menos uno de los dos entre n o x sea una solución de mínimas cuadradas de Ax » b? (Responda sin obtener una solución de mínimos cuadrados). En los ejercicios 15 y 16. utilice lafactorizaclón A trar la solución de mlrdmos cuadrados de Ax —b 15. A
& Determine el error de mínimos cuadrados asociado con la solu ción de mínimos cuadrados que encontró en el ejercicio 4. En los ejercicios 9 a 12. encuentre a) la proyección ortogonal de b sobre Col A y b) una solución de mínimos cuadradas de Ax = b
[i !H:i]
3 -2 3
[ _2 ]• Calcule Am y Ax. y compárelos con b. ¿Podría ser u
7. Cblcule el error de mínimos cuadrados asociado con la solución de mínimas cuadrados que encontró en el ejercicio 3.
9. A
L 5J
’ 2" 1 0‘ 0 -1 5 ,b = 1 1 6 6 1 -1
■ 1 1 0 -1
i a Sean A
[i -:H;] ’1 1 1 .1
!
{-
1
En los ejercicios 5 y 6. describa todas las soluciones de mínimos cuadrados de la ecuación Ax - b
5. A
10. A
'4 0 1' '9* 1 -5 1 0 .b = 11. A S 6 1 0 0 .1 -1 - 5 _
1. A
1 A
• r*\ — 1
En los ejercicios l a 4. encuentre una solución de mínimos cuadrados de Ax = b mediante a) la construcción de las ecuaciones normales para ft y b) el despeje de 1
16. A =
P 3 2 4 = L* O i -i ■ 1
4
1
4
1 -1
'2/3 —1/3*1 2/3 2/3 J / 3 -2/3 J
QRpara encon-
0 ?l-b=
1/2 -1/21/2 1/2 í2 1/2 -1/2 Lo L1/2 1/2
■- I 3l b 5 j ’b "
6
5 7
En los ejercicios 17 y 18. A es una matriz de m x n y bestá en R". Marque cada enunciado como verdadero o falso. Justifique sus res puestas. 17 a) H problema de mínimos cuadrados general consiste en obtener una xque haga que Axeslé tan cerca de b como sea posible.
1 Se sugiere trabajar los problemas marrados con un putto primero en forma individual y. hiegi, discutirlos con todo el g n jio y el profesor
http://www.fullengineeringbook.net 344 of 461.
5.5 b) Una solución de mínimos cuadrados de-4x = bes un vector t que satisface Ak = b, donde t e s la proyección ortogonal (fe b sobre Col A. d Una solución de mínimos cuadrados de A» = bes un vector t tal que |[b - /ürf £ ||b - Ai\\ para toda «en Rn, d) Cualquier solución de A‘Ax = A’bes una solución de míni mos cuadrados de Ax « k e) Si las columnas de A son llnealmente Independientes, enton ces la ecuación Ax - b tiene exactamente una solución de mínimos cuadrados. • 1& a) Si btstá en el espacio columna de A. entonces cada solución de Ax -- bes una solución de mínimos cuadrados. b) la solución de mínimos cuadrados de A ra b e s el punto en d espacio columna de A más cercano a b d Una solución de mínimos cuadrados de Ax m bes una lista de pesos que. cuando se aplica a las columnas de A. produce h proyección ortogonal de bsobre Col A d) SI ft es una solución de mínimas cuadrados de Ax = b entonces t =■ (ArA) ' 1A ^ e) Las ecuaciones normales siempre ofrecen un método confia ble para calcular soluciones de mínimos cuadrados. /) Si A tiene una fartorización QR, por ejemplo, A = QR, en tonces la mejor manera de obtener una solución de mínimos aladrados de Ax = bes calcular & = R ~1 ^ 'b •19 Sea A una matriz de m x n Realice los siguientes pasas para demostrar que un vector «en R"satisface Ax « 0 si y solo si ArA x = • Esto demostrará que Nul A = Nul ATA a) Demuestre que si Ax - OI entonces A'Ax ■ 0. b) Suponga que A'Ax = 0 Explique por qué xW .Ax = O y ice esto para probar que Ax = 0 80 Sea /luna matriz de m x mal que ATAes Invertlble. Demuestre que las columnas de A son linealmente independientes. [Eh?cauclón: No suponga que A sea Invertlble; es más. tal vez ni siquiera sea cuadrada). 81 Sea A una matriz de m x ncuyas columnas son linealmente In dependientes. [Precaución: A no necesariamente es cuadrada). d) Con base en el ejercicio 19. demuestre que A desu n a matriz Invertlble. b) Explique por qué A debe tener, al menos, tantas filas como columnas. d Determine el rango de A 88 Con base en el ejercicio 19. demuestre que rango ArA - ran go A ¡Sugerencia: ¿Cuántas columnas tiene ArA7 ¿Cómo se relaciona esto con el rango de ArA7], * 83 Suponga que A es de m x neón columnas llnealmente Indepen dientes y que bosta en M“. Utilice las ecuaciones normales con la finalidad de obtener una fórmula para fe. la proyección de b sobre Col A. ¡Sugerencia: Primero encuentre ft. La fórmula no requiere una base ortogonal para Col >4).
Problemas de mínimos cuadrados 327
• 84 Obtei^a una fórmula para la solución de mínimos cuadrados de Ax = b cuando las columnas de A son ortonormales. 85 Describa todas las soluciones de mínimos cuadrados del sistema x +y = 2 x +y = 4 88
[M] 13 ejemplo 3 de la sección 4.8 mostró un filtro lineal pasa bBjos que cambió la señal {y¡) en {y*+i} y transformó la señal de alta frecuencia {reA} a una señal oero. donde y¡ = cos(iri/4) y w¡¡ " cos(3ttá/4). Los siguientes cálculos diseñarán un filtro con aproximadamente esas propiedades. La ecuación del fil tro es «o>'k+i + a,y t+ i + a2yt = zt
para toda k
(8)
Como las señales son periódicas, con periodo 8. basta con estu dar la ecuación (8) para k = 0.....7. La acción sobre las dos se ñales descritas se traduce en dos conjuntas de ocho ecuaciones, que se muestran a continuación: y *+2 k k
-0 = I
k =
7
k - 0 k m l
Je - 7
'
y*+i
.7
-.7
0
.7
-i
-.7
0
- .7
-l
- .7
0
- .7
.7
0
l
.7
.7
I
rc*+i w*+i -.7 ' 0 .7 0 -l .7 .7 -l 0 .7 0 -.7 l -.7 -.7 I
y*+i
yt
0
i‘
- .7
‘
-71 3
r*
«i
-.7
b h l «2j
-.7
_
0
.7
0 .7.
-
wt
I‘
- .7 0
.7 -I
.7 0
- .7
M b
Jh
’o" 0 0 0 0 0 0 .0 .
Escriba una ecuación Ax - b donde /tes una matriz de 16 x 3 formada par las das matrices de coeficientes anteriores y don (fe b en se forma a partir de los dos lados derechos dp las ecuaciones. Encuentre % a] y a¡ dadas por la solución de mí nimos cuadrados de Ax - b (El .7 en los datos anteriores se empleó como una aproximación a >/2/2. para Ilustrar cómo a procede en un cálculo tipleo en un problema aplicado. Si. en vez de ello, se utilizara .707. las coeficientes del filtro resultan le concordarían, al menos, en siete decimales con >/2/Á. \/2 y v/2/4. los valores obtenidos mediante cálculos aritméticos exactos).
http://www.fullengineeringbook.net 345 of 461.
328
CAPÍTULO 5 Otogonalldad y mínimos cuadrados
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Primero calcule 0
28
14
Después, reduzca por filas la matriz aumentada para las ecuaciones normales A TA x = Á \ : 1 0 0
0 -3 /2 2 1/2 - 1 1 0 0 0
La solución de mínimos cuadrados general es xt = 2 + ijx3, = - 1 - 5X3. con libre. Para una solución especifica, tome at3 = 0 (por ejemplo), y obtenga
as
Para encontrar el error de mínimos cuadrados, calcule n L>
-3 5 7
-31r • 2J L
2i oJ
Resulta que b = b , de manera que ||b - fij| = 0. El error de mínimos cuadradas es cero porque b está en Col A. fc Si b es ortogonal a las columnas de A. entonces la proyección de b sobre el espacio columna de A es fli En este caso, una solución de mínimos cuadrados ft de A x = b sa tisface A i = O.
5.6
APLICACIONES A MODELOS UNEALES Una tarea común en ciencia e ingeniería es analizar y entender relaciones entre diferentes cantidades que varlaa Esta sección describe una variedad de situaciones en las que los datos se emplean para construir o comprobar una fórmula que predice el valor de una variable como función de otras variables. En rada raso, el reto será equivalente a resolver un problema de mínimos cuadrados. Pira facilitar la aplicación del análisis a problemas reales que encontrará en sus activi dades profesionales, se elige la notación que comúnmente se utiliza en el análisis estadístico de datos científicos y de ingeniería. En vez de escribir A x = b , se escribe X fi = y . donde X es la matriz de Jcvmn ft es el vector de parámetros; y y es el vector de ohwrvarianm
Rectas de m ínim os cuadrados La relación más sencilla entre dos variables x y ye s la ecuación lineal / = Po + Pix.1 Con frecuencia los datos experimentales generan los puntos (a-,. /O ....... (x„ que. cuando 1 Es comiin utilizar esta notación para rectas de mínimos cuadrados en vez de/* ■
http://www.fullengineeringbook.net 346 of 461.
wx + b.
5.6
Aplicaciones a modelos lineales 329
se grafican, parecen estar cerca de una recta. Se desea determinar los parámetros fio y fi\ para hacer que la recta esté lo más 'cerca* posible de dichos puntos. Suponga que y f}¡ están fijos, y considere la recta y = P0 + £ i* d e la figura 1. Para cada dato {xj, y ) existe un punto (xj, f a + P \x) sobre la recta con la misma coordenada x Por otro lado, yj es el valor observado de / y /3o + P\Xj es el valor predicho para y (determinado por la recta). La diferencia entre los valores observado y predicho para / s e llama residuo.
R G U R A 1 A juste de datos experim entales a una recta.
Existen varias maneras de medir qué tan 'cerca* está la recta respecto de los datos. 1.a elección habitual (sobre todo porque los cálculos matemáticos son sencillos) es sumar los cuadrados de los residuos. La rec ta d e raínimaK cuadrado* - s la recta y = P v+ 0,.vquo ntinimiza la suma de los cuadrados de los residuos. A esta recta también se le conoce como r e d a d eregperión d e y s o b re x. porque se supone que cualquier error en los datos solo ocurre en las coordenadas / . Los coeficientes Pq. fa de la recta son los cocficfeirfei d e regresión Si los puntos de los dalos estuvieran sobre una recta, los parámetros p o y P\ satisfarían las ecuaciones Valiap rn S c b o d e j
Vakw aban-vado d e /
Po + P\X\
=
/i
Po + P\X¡
=
yt
Po + P\X„
-
y«
Este sistema se puede representar como
Xp = y
donde
'I 1
X\ ~ x2
> i’
. 1
*».
.y».
X =
y2
Desde luego, si los puntos de datos no están sobre una recta, entonces no existen parámetros Po. Pi para los cuales los valores predichos de y e n X p sean iguales a los valores observados d e / e n y. y X p = y no tiene solución. Este es un problema de mínimos cuadrados. A x = b. ;con diferente notación! H cuadrado de la distancia entre los vectores Xp y y es precisamente la suma de los cuadrados de los residuos. El p que minimiza esta suma también minimiza la distancia en tre X p y y. Calcular ¡a solución de mínimos cuadrados de X p = y equivale a encontrar el vector p que determina Ia recta de mínimos cuadrados de la figura t.2
2Si los errores de medición estuvieran en xy no en y. simplemente se intercambiarían las coordenadas de los datos (xj y) antes de trazar la gráfica de los puntos y calcular la recta de regresión. Si ambas coordenada están sujetas a posibles errores, entonces se prxfrta elegir la recta que marimba la suma de los cuadrados de las distancias crio gnmlfis (perpendiculares) de los punas a b recta Véase los problemas de práctica de la sección 8.5 (enel sitio Web)
http://www.fullengineeringbook.net 347 of 461.
330 CAPÍTULO 5 Otogonalldad y mínimos cuadrados
EJEMPLO 1 Encuentre la ecuación y = + f3\xde la recta de mínimos cuadrados que mejor se ajuste a los puntos de datos (2. I). (5. 2). (7. 3) y (8. 3). SOLUCIÓN Utilice las coordenadas Arde los datos para construir la matriz de diseño A”en la ecuación (1) y las coordenadas y para construir el vector de observaciones y
Para la solución de mínimos cuadrados de Xfi = y, obtenga las ecuaciones normales (con la nueva notación): t f X f l = X Ty Es decir, calcule
I 5
I 7
I 5
1 7
Las ecuaciones normales son
Por lo tanto.
221 *[" 9 ] _ J T 142 -22 i r 9 ] _ I T 24"] [5 7 j 84 [ —22 4 [ 57 84 [ 30
142
J
J
J
J
[ 2/7 1
[5/14]
De manera que la recta de mínimos cuadrados tiene la ecuación x
>’ = Véase la figura 2. y 3- » 211
2
3
4
5
0
7
8
9
FIGURA 2 La recta de mínimos
cuadrados y = \ + f¡x. Una práctica común, antes de calcular la recta de mínimos cuadrados, consiste en cal cular el promedio i-de los valores * originales y formar una nueva variable x* = x - x. Se dice que los nuevos datos a-quedan en su forma de desviación media En este caso, las dos columnas de la matriz de diseño serán ortogonales. Se simplifica la solución de las ecuacio nes normales, justo como en el ejemplo 4 de la sección 5.5. Véase los ejercidos 17 y 18.
http://www.fullengineeringbook.net 348 of 461.
5.6
Aplicaciones a modelos lineales 3 3 1
M odelo lin eal general En algunas aplicaciones, es necesario ajustar puntos de datos a algo diferente de una línea r e d a En los ejemplos que siguen, la ecuación matridal continúa siendo X p = y, pero la forma especifica de X cambia de un problema a otro. Por lo general, los especialistas en es tadística introducen un vector re sid u a l«. definido como c = y - AJ3. y que se escribe y = ^
+ e
Cualquier ecuadón de esta forma es un m odelo fineal Una vez que X y y están determinadas, el objetivo es minimizar la longitud de e . lo que equivale a encontrar una solución de mínimos cuadrados de X p = y. En cada caso, la solución de mínimos cuadrados /Ües una solución de las ecuaciones normales X rXf5 = X Ty
Ajuste de o tras curvas con m ínim os cuadrados Cuando los puntos de datos {x\, y \) ..... (x„ y j en una gráfica de dispersión no se encuen tran cerca de una recta, tal vez resulte pertinente postular alguna otra relación funcional entre x y y. Los siguientes dos ejemplos muestran cómo ajustar datos mediante curvas que tienen la forma general / = /3o/ÓW + 0. /ito + - + P k M
(2)
donde 6..... fk son funciones conocidas y /3o,.... 0 i son parámetros que se deben determinar. Como se verá, la ecuación (2) describe un modelo lineal porque es lineal en los parámetros desconocidos. Para un valor particular de x, la ecuación (2) da un valor predicho, o “ajustado", de y. La diferencia entre el valor observado y el valor predícho es el residuo. Los parámetros 0 o..... Pk se deben determinar para minimizar la suma de los cuadrados de los residuos. x
EJ EM PLO 2 Suponga que los puntos de datos (*i. yi)..... {xa y j parecen estar sobre una parábola y no sobre una recta Por ejemplo, si la coordenada x denota el nivel de producción de una compañía, y y representa el costo promedio por unidad de operación en un nivel de x unidades por dia, entonces una curva típica de costo promedio parece una parábola que se abre hacia arriba (figura 3). En ecología se usa una curva parabólica que se abre hada abajo para modelar la producdón primaria neta de nutrientes en una planta, como una función del área superfidal del follaje (figura 4). Suponga que deseamos aproximar los datos mediante una ecuadón de la forma
Unidades producidas FIGU RA 3
Curva de costo promedio.
y = 0o + P \x + 02 **
(3)
Describa el modelo lineal que produce un “ajuste de mínimos cuadrados* de los datos, empleando la ecuadón (3). SOLUCIÓN La ecuación (3) describe la relación ideal. Suponga que los valores reales de
los parámetros son /3o. P i. 02- Entonces las coordenadas del primer punto de datos (x\. y j satisfacen una ecuadón de la forma Y\ = Po + Pl*| +02*1 + «i
donde e \ es el error residual entre el valor observado y y el valor predicho /3o + P\X\ + fo x { para y. Cada punto de datos determina una ecuación similar: m
y¡ Area de la superficie
1
=0b + 0i*i +0 2 *f +«i
>5 = 03 + 01-*5 + 02*f + *2
FIGU RA 4
Producckin de nutrientes.
yo = 0o + 01*0 + 02 *£ + *o
http://www.fullengineeringbook.net 349 of 461.
332
CAPÍTULO 5 Otogonalldad y mínimos cuadrados Es sencillo escribir este sistema de ecuaciones en la forma y = Xf3 + e. Para encontrar X, inspeccione las primeras filas del sistema y observe el patróa
yi
’1 = 1
y y
x2
.P z .
.1
_y«_
x\~ ’ ci* x¡ ' p o ' <2 Px +
Xi
xl .
*
+
p
EJEMPLO 3 Si los puntos de datos tienden a seguir un patrón como en la figura 5. enton ces un modelo adecuado podría ser una ecuación de la forma / = Po + P lx + P?X*+ f a x 3 Dichos datos podrían ser. por ejemplo, los costos totales de una compañía, como una función del nivel de produccióa Describa el modelo lineal que da un ajuste de mínimos cuadrados de este tipo para los datos (atj. yd ....... {xn yj. SOLUCIÓN Mediante un análisis similar al efectuado en el ejemplo 2, se obtiene
FIGURA S
Pumos de datos a lo largo de una curva cúbica.
\fector de observaciones
Matriz de diserto '1
> t" >'2
.
x
=
1
*1 X
2
\fector de parámetros
X l
*?1
X22
x i
X
Vector residual <1 *
'P o '
.
p> P
=
.
t
=
(2
Pz
.1
X»
x
2
x L
.0 3 .
Regresión m últiple Suponga que en un experimento hay dos variables independientes (por ejemplo, u y v) y una variable dependiente. / . Una ecuación sencilla para p re d e c ir/a partir de u y vtiene la forma / = /3o + P \u + f r v
(4)
Una ecuación predictiva más general podría tener la forma / = /3o + 0 i t / + f r v + f h i f + fiiu u 2 + p s v 2
(5)
Esta ecuación se utiliza en geología, por ejemplo, para modelar superficies de erosión, gla ciares. el pH del suelo y otras cantidades. En tales casos, el ajuste por mínimos cuadrados se llama s u p e r f i c i e d e t e n d e n c i a . Tanto la ecuación (4) como la (5) conducen a un modelo lineal porque son lineales en los parámetros desconocidos (aun cuando u y v están multiplicados). En general, un modelo lineal surgirá siempre que / s e prediga mediante una ecuación de la forma / = A> fo(u. v) + p , f¿ u . v) + — + p t fk(u. v) con las funciones conocidas f0....../*y los pesos desconocidos po....... Pt. E J E M P L O 4 En geografía, los modelos locales del terreno se construyen mediante los datos (ui. U|. / i ) ......(w» /n). donde Uj. v jy y js o n latitud, longitud y altitud, respectivamen te. 1.a solución es el p i a n o d e m í n i m o s c u a d r a d o s Véase la figura 6.
http://www.fullengineeringbook.net 350 of 461.
5.6
Aplicaciones a modelos lineales 333
. I
1 ¡ RGURA 6 Un plano de minimes cuadrados.
SOLUCIÓN Se espera que los datos satisfagan las siguientes ecuaciones / i = Po + PiU\ +
+ «i
y i - /3o + (3\U2 + /fc u j +
ya =
Este sistema tiene la forma matricial
x =
1 1
l>|* V2 . . .
. 1
_y*.
U| U2
\fectorde parámetros
u„
Vw
[SI.
Víctor residual - M .
,
y = Xp + e, donde
1----------
y=
> r yi
/3o + 0lt//7 + 02 Va + e„
Matriz de diseño
\*ctor de observaciones
<2
L ftJ
El ejemplo 4 revela que el modelo lineal para regresión múltiple tiene la misma forma abstracta que el modelo para regresión simple de los primeros ejemplos. El álgebra lineal nos permite entender el principio general subyacente en todos los modelos lineales. Una vez que A'se define adecuadamente, las ecuaciones normales para p tienen la m iaña forma matricial. sin importar cuántas variables estén implicadas. Asi. para cualquier modelo lineal donde X TX sea invertible, el $ de mínimos cuadrados está dado por (XDQ lX Ty.
Lecturas adicionales Ferguson. J.. Introduction to Linear Algebra in Geology (Nueva York: Chapman & Hall. 1994). Krumbein. W. C. y F. A. Graybill. An Introduction to Statistical M odels in Geology (Nueva York: McGraw-HIll. 1965). Legendre. P. y L. Legendre. Num en cal Ecology (Amsterdam: Elsevier. 1998). Unwin, David J., An Introduction to Trend Surface Analysis, Concepts and Techniques in Modem Geography. No. 5 (Nocwich, Inglaterra: G eoBooks. 1975). PROBLEMA DE PRÁCTICA Cuando las ventas mensuales de un producto están sujetas a las fluctuaciones estacionales, entonces una curva que aproxime los datos de venta podría tener la forma / = 0o + P \x + # sen (2irx/\2) donde jre s el tiempo en meses. El término + p xx da la tendencia básica de ventas, y el término seno refleja los cambios estacionales en las ventas. Determine la matriz de diseño y el vector de parámetros para el modelo lineal que conduce a un ajuste de mínimos cuadrados de la ecuación anterior. Suponga que los datos son (aj. y x)......(** / J .
http://www.fullengineeringbook.net 351 of 461.
334 CAPÍTULO 5 Otogonalldad y mínimos cuadrados
5 .6 EJER C IC IO S* En los ejercicios 1 a 4. encuentre la ecuación y » /3o + P ix de la recta de mínimos cuadrados que mejor se ajuste a los puntos de datos Indicados. 1. (0. 1). (1. 1). (2. 2). (3. 2) í
(I. 0), (2, I), (4, 2), (5, 3)
a
(-1). (0.1). (1.2). (2. 4)
4
(2. 3). (3. 2). (5. 1). (6. 0)
Supongt que no se conocen las cantidades Iniciales Ma y M&. pero un científico logra medir las cantidades totales presentes en diferentes momentos y registra los siguientes puntos (fr. y¡¡: (10. 21.34), (11. 20.68). (12. 20.05). (14. 18.87) y (15. 18.30). a) Describa un modelo lineal que se pueda utilizar para estimar A) |M| Encuentre la curva de mínimos cuadrados basada en la ecuación (6).
5l Sea X la matriz de diseño empleada para determinar la rec ta de mínimos cuadrados que se ajusta a las datos ta . y\)..... Crn y j. Utilice un teorema de la sección 5.5 para demostrar que las ecuaciones normales tienen solución única si y solo si las datos incluyen al menos dos puntos de datos con diferente coordenada x. 4 Sea A'la matriz de diseño del ejemplo 2 correspondiente a un ajuste de mínimos cuadrados de los datos (¿i. yi)..... tr« y j a una curva parabólica. Suponga que x\, y son distintas. Explique por qué solo existe una parábola que mejor se ajus ta a los datos, en el sentido de mínimos cuadrados (Véase el ejercicio 5). 7. Un cierto experimento genera los datos (1. 1.8). (2. 2.7). 0. 3.4), (4. 3.8). (5, 3.9). Describa el modelo que produce un ajuste de mínimos cuadrados de esos puntos mediante una función de la forma y - P ix + frx 1
Se podría presentar dicha fundón, por ejemplo, como el Ingreso derivado de la venía de x unidades de un producto, cuando la cantidad ofrecida para la venta afecta el precio del producto. á) Determine la matriz de diseño, el vector de observaciones y el vector de parámetros desconocidos. A) [M] Encuentre la curva de mínimos cuadrados asociada con los datos. & Una curva sencilla que con frecuencia es un buen modelo para los costos variables de una compañía como una función del ni vel arde ventas, tiene la forma y = P\X + fax1 + pyr3. No existe término constante porque no se Incluyen los costos fijos, a) Determine la matriz de diseño y el vector de parámetros para el modelo lineal que conduce a un ajuste de mínimos cuadra dos de la ecuación anterior, con los datos (x¡, y ) .... t a y j . ¿) 'Mj Encuentre la curva de mínimos cuadrados de la for ma anterior para ajustar los datos (4. 1.58). (6. 2.08), (8. 2.5). (10. 2.8). (12. 3.1). (14. 3.4). (16. 3.8) y (18. 4.32). con valores en miles. Si es posible, realice una gráfica que mués tre los puntos de datos y la curva de aproximación cúbica. 4
Un cierto experimento genera los datos (1, 7.9). (2. 5.4) y 0 . -.9). Describa el modelo que da un aJiBte de mínimos cua dados de esos puntos mediante una función de la forma
En 1986 fue la última aparición del cometa Halley, el cual rea parecerá en el año 2061. 11. |M| De acuerdo con la segunda ley de Kepler. un cometa de bería tener una órbita elíptica, parabólica o hiperbólica (igno rando las atracciones gravitactonales de los planetas). En con venientes coordenadas polares, la posición (r; d) de un cometa satisface una ecuación de la forma r = p + e{r-eos d) donde p es una constante y ees la excentricidadóe la órbita, con 0 s e < l para una elipse, e - 1 para una parábola, y e> 1para una hipérbola. Suponga que los siguientes datos corresponden a fas observaciones de un cometa recién descubierto. Determine el tipo de la órbita e indique dónde estará el cometa cuando fr • 4.6 radianes.1 d
.88
1.10
1.42
1.77
114
r
3.00
2.30
1.65
1.25
1.01
12. |M| La presión sanguínea sistólica p (en milímetros de mer curio) de un niño saludable ysu peso ie(en libras) están relacio nados aproximadamente mediante la ecuación Po + P i \ n w = p Utilice los siguientes datos experimentales para estimar la presión sanguínea sistólica de un niño saludable que pesa 100 libras.
y - Acosx+ Asen* 10. Suponga que las sustancias radiactivas A y B tienen constantes de decaimiento de .02 y .07. respectivamente. SI en el momento r - 0 una mezcla de esas dos sustancias contiene Mk gramos de A y A& gramos de B. entonces un modelo para la cantidad total yde la mezcla presente en el momento res y - M # - * 1*+ A te r07'
3 La idea básica del ajuste de mínimos cuadrados de los datos se debe a K. F. Gauss
http://www.fullengineeringbook.net 352 of 461.
5.6 Aplicaciones a modelos lineales 335
w
44
61
81
113
131
lnw
3.78 91
4.11
4.39 103
4.73 110
4.88
98
P la
• 17. a) Rescriba los datos del ejemplo 1 con nuevas coordenadas x en la forma de desviación media. Sea Ala matriz de diseño asodada. ¿Por qué son ortogonales las columnas de A?
112
tí) Escriba las ecuaciones normales para los datos del Inciso a), y resuélvalas para encontrar la recta de mínimos cuadrados. y m (io + 0i-**. donde x* - x - 5.5.
¡M] Para medir el desempeño de un avión durante el despegue, cada segundóse midió su posición horizontal. d e /= 0 a / = 12. Ias posiciones (en pies) frieron; 0.8.8, 29.9,62.0, 104.7, 159.1. 222.0, 294.5. 380.4. 471.1. 571.7, 686.8. y 809.2. a) Encuentre la curva cúbica de mínimos cuadrados y = & + & 1+ fo t1 + fot3 para «sos datos. b) Con base en el resultado del Inciso a), estime la velocidad d?l avión cuando/= 4.5 segundos.
18. Suponga que las coordenadas x dp los datos (rt. yi)..... (x* y j están en la forma de desviación media, asi que £x, = 0. De muestre que si A'es la matriz de diseño para la recta de mínimos cuadrados de este caso, entonces XTXes una matriz diagonal. Los ejercicios 19 y 20 Implican a una matriz de diseño A'con dos o más columnas y una solución de mínimos cuadrados (i de y = Xfi. Considere los siguientes números.
14 Sean x = ^(xi + ••• + *„) y y = - ( / , + — + /, ) . De ll n muestre que la recta de mínimos cuadrados para los datos y\)..... U , / J debe pasar a través de (ir. /). Es decir, de muestre (pie ir y y satisfacen la ecuación lineal y = (Jo + (J\X. [Sugerencia: Deduzca esta ecuación mediante la ecuación vectorial y = AJB + «. Denote la primera columna de A'con 1 Con base en el hecho de que el vector residual « es ortogonal al espacio columna de A"y. por lo tanto, es ortogonal a 1|.
L IX fif. la suma de los cuadrados del "término de regresión*. Denote este número con SS(R). 1. tj - A'/jf. la suma de las cuadrados para el término de error. Denote este número con SS(E). SL ty|-, la suma 'total* de los cuadrados de los valores y. Denote este número con SS(T). Todos los libros de estadística analizan el tema de la regresión, y el modelo lineal y - AJ3 + * introduce esos números, aunque la nota ción y la terminología tal vez varíen de un texto a otro. Para simplifi car el asunto, suponga que la media de los valores / e s cero. En este caso. SS(T) es proporcional a la varianza del conjunto de valores /.
Considerando los datos para un problema de mínimos cuadrados, (xt, yi)..... (x„ /„). son útiles las siguientes abreviaciones:
Y y = H - i > ’i.
E*y =
l a Justifique la ecuación SS(T) = SS(R) + SS(E). [Sugerencia: Utilice un teorema, y explique por qué se satisfacen las hipótesis del teorema]. Esta ecuación es extremadamente importante en es tadlstica. en la teoría de regresión y en el análisis de varianza.
x,y,
Las ecuaciones normales para una recta de mínimos cuadrados y *= 0o + 0ixse pueden escribir en la forma « 4 o + 4i £ •* = ! >
80. Demuestre que \X ffi * (JTX Ty. [Sugerencia: Rescriba el lado Izquierdo y considere el hecho de que 0 satisface las ecuaciones normales). Esta fórmula para SS(R) se emplea en estadística. Con base enesto y en el ejercicio 19. obtenga la fórmula están tfer para SS(E):
4 „ 5 > + 4 .I> 2= I> y 1 5 Deduzca las ecuaciones normales (7) a partir de la forma matri-
dal presentada en esta sección 16 Utilice una matriz Inversa para resolver el sistema de ecua ciones (7) y asi obtener las fórmulas para /3o y P\ que aparecen en muchos libros de estadística.
SS(E) = y ry - & t f y
SOLUCIÓN AL PROBLEMA DE PRÁCTICA Construya A'y (3 tal que la A-ésima fila de X¡3 sea el valor de / predicho correspondiente al punto de datos (x*. /*), a saber,
Pe + P\Xk + & sen (2rr x i/ 12) Deberla ser claro que
Tendencia de ventas con fluctuaciones estacionales.
1
xi
sen(2xxi/12)
I
x„
sen(2xx„/12)
X =
http://www.fullengineeringbook.net 353 of 461.
336 CAPÍTULO 5 Otogonalldad y mínimos cuadrados
5 .7
ESPACIOS CON PRODUCTO INTERIOR l.os conceptos de longitud, distancia y ortogonal idad son esenciales en aplicaciones que im plican un espacio vectorial. Para esos conceptos se basaron en las propiedades del pro ducto interior indicadas en el teorema 1 de la sección 5.1. Para otros espacios, se necesitan analogías del producto Interior con las mismas propiedades. Ahora las conclusiones del teo rema 1 se convierten en axiomas en la siguiente definición.
D E F IN IC IÓ N
Un productointerior sobre un espacio vectorial Ves una función que asocia un núme ro real (■. v) para cada par de vectores « y v e n V, y satisface los siguientes axiomas, para toda a v .w e n V, y todos los escalares c. 1. < * v ) = Z <■ + ▼, W> = <« W> + (*. W>
a = c(m. ▼> 4 (■ ■} s 0 y <» ■) =
0
si y solo si ■ = O
Un espacio vectorial con un producto interior se llama ca p ad o co n p r o d r t o in terio r
El espacio vectorial con el producto interior estándar es un espacio con producto interior, y casi todo lo analizado en este capitulo para Rn también es válido para los espacios con producto interior. I x s ejemplos en esta sección y la siguiente establecen el fundamento para una variedad de aplicaciones que se estudian en cursos de ingeniería, física, matemáticas y estadística. E JE M P L O 1 H ija dos números positivos cualesquiera, por ejemplo. 4 y 5; para los vectores ■ = (wi. u¡) y ▼= (vj. v*) en R2. establezca (u .v ) = 4 li,V l + 5 U 2U2
(i)
Demuestre que la ecuación (1) define un producto interior. SOLUCIÓN Sin duda, el axioma i se satisface, porque <■. ▼) = \u \V \ + 5uzv2 - 4i»it/| + 5V2in = (u. ü). Si w = {w\, i**), entonces. (u + v . w ) = 4 (u i + 1>|)U11 + 5 ( u 2 + V2)U>2
= 4uiu;i + 5 u2U.'2 + 4viu;i + 5 v2iü2 = (u.w) + (v.w) Esto comprueba el axioma 2. Para el axioma 3. calcule
(CU. V) =
4(CM|)l'| -f 5(C‘M2)l?2
=
C(4uiV|
+
5 u 2u2)
= c (u . v)
Para el axioma 4. observe que ( u . u ) — 4u] + 5 u | > O y 4 u 2 + 5u2 — 0 solo si U\ = Uz = 0. es decir, si ■ = O Además. <0 = 0. Así. (1) define un producto interior sobre R2. ■ Sobre R nse pueden definir productos interiores similares a (1). que surgen naturalmente en problemas de "mínimos cuadrados ponderados". en los cuales los pesos se asignan a las diversas entradas en la suma para el producto interior de manera que se dé mayor importancia a las mediciones más confiables. De ahora en adelante, cuando un espacio con producto interior implique polinomios u otras funciones, se escribirán las funciones en la forma usual, en vez de emplear negritas para los vectores. Sin duda, es importante recordar que cada función es un vector cuando se trata como un elemento de un espacio vectorial.
http://www.fullengineeringbook.net 354 of 461.
5.7 Espacios con producto Interior 337
EJEMPLO
2
Sean
/„ números reales distintos. Para/? y q en P ;> defina
(p .q ) = p(to)q(to)+ p(!i)q(ti) + - - +
p(t*)q(ln)
(2)
Es sencillo comprobar los axiomas 1 a 3 del producto interior. Para el axioma 4. observe que (P P )
= ÍP('o)]2 + [ P ( h ) ] 2 +
+ (/>('*))2 > 0
Además, <0, 0) = 0. (Aquí el cero en ‘negritas' denota el polinomio cero, el vector cero en Pa). Si ( p . p) = 0, entonces p se debe anularen n + 1 puntos: /o....../«. Esto solo es pasible si p es el polinomio cero, porque el grado de p o s menor que n + 1. Así. (2) define un pro ducto interioren P„ ■
EJEMPLO t0 = 0 .
3 Considere que ^está en IP?, con el producto interior del ejemplo 2. donde = \ , y t2 = 1. Sean />;/) = \2l* y q(tl = 2 / - 1. Calcule >. (p y (q. (p.
SOLUCIÓN (/>•?) = P ( 0 ) q ( 0 ) + p { \ ) q ( j ) + p ( l ) í ( l )
— (0)(—1) + (3)(0) +
(12)(1) =
12
fe.í)-[íW ))2+ to (})P + íf(i)la = (—l) 2 + (O)2 + ( l) 2 = 2
■
Longitudes, distancias y ortogonalidad Sea k'un espacio con producto interior, con el producto interior denotado con <■, v). Igual que en IR". defina la i a n ^ M <) norm a. (Je un vector ▼como el escalar
De manera equivalente. |(vf = > 0. pero la definición no dice que <▼. v) sea una ‘suma de cuadrados' porque r no necesita ser un elemento de R")Un v e rte r u n ita rio es aquel cuya longitud es 1. La «fistanria « á r e n y v es |a - v)|. Los vectores ■ y v son ortogonales si (n. v) = 0.
EJEMPLO 4 Suponga que P 2 tiene el producto interior (2) del ejemplo 3. Calcule las longitudes de los vectores p(í\ = 12t® y q(() = 2 t - 1. SOLUCIÓN
llpl2 = (p. p) = [p(0))2 + [p (J)]2 + [p0>]2 = 0 + (3)2 + |12)2 = 153 |p || = y ¡5 3 Del ejemplo 3. ( q. (p = 2. Por lo tanto, ||<7|| = > / l
■
Proceso de G ram -Schm idt La existencia de bases ortogonales para subespacios de dimensión finita de un espacio vec torial con producto interior se puede establecer con el proceso de Gram-Schmidt, al igual que en R". Mediante este proceso, es posible construir ciertas bases ortogonales que surgen a menudo en las aplicaciones. La proyección ortogonal de un vector sobre un subespaclo i-Vcon una base ortogonal se puede construir en la forma habitual. La proyección no depende de la base ortogonal selec cionada. y tiene las propiedades descritas en los teoremas de descomposición ortogonal y de la mejor aproximación.
http://www.fullengineeringbook.net 355 of 461.
338 CAPÍTULO 5 Otogonalldad y mínimos cuadrados
EJEMPLO 5
Considere que V está en P4 con el producto interior del ejemplo 2, lo que implica evaluación de polinomios en - 2, - 1 ,0 ,1 y 2. y que P 2 es un subespacio de V. Obtenga una base ortogonal para P2aplicando el proceso de Gram-Schmidt a los polinomios
SOLUCIÓN H producto interior sólo depende de los valores de un polinomio en - 2 ..... 2. así que se listan los valores de cada polinomio como un vector en R5, debajo del nombre de cada polinomio:* Polinomio:
1
Vfector de valores:
1 1 1 # 1 1
/
r1
-2
4
-1
1
0
0
1
1
2
4
El producto interior de dos polinomios en P es igual al producto interior (estándar) de sus vectores correspondientes en R 5. Observe que t es ortogonal a la función constante 1. Así. se toman /*>(!) = 1 y p\(f) = L Para p¿, utilice los vectores en R 5 para calcular la proyección de /* sobre Gen {/*>. p \}: (t2*,Po) = ( r . l } = 4 + l + 0 + I + 4 = 10 (Po'Po) = 5 (t2, P\ ) = ( f a, 0 = - 8 + ( - l ) + 0 + I + 8 = 0 1.a proyección ortogonal de / sobre Gen {1. /} es ™po + 0 p t. Por consiguiente.
Una base ortogonal para el subespacio P 2 de ^es: Polinomio:
p0
pt
pi
\fectorde valores:
(3)
M ejor aproxim ación en espacios con producto interior Un problema común en matemáticas aplicadas implica un espacio vectorial Pcuyos elemen tos son funciones. El problema es aproximar una función /e n ^mediante una función g ó c un subespado especificado IVdc V. La “cercanía" de la aproximación de /depende de la manera en que se defina || / Solo se considerará el caso en que la distancia entre / y g e s té de terminada por un producto Interior. En tal caso, la m ejor aproximación a / mediante funciones en IPes la proyecdón ortogonal de /sobre el subespacio W.
EJEMPLO 6 Considere que y está en P4 con el producto interior del ejemplo 5; consi dere también que p { y p¿ constituyen la base ortogonal que se encontró en el ejemplo 5 para el subespado P 2. Determine la mejor aproximación a p ( í) = 5 - j / 4 mediante poli nomios en P2. 1 Cada polinomio en P 4está determinado de manera univoca por su valor a i los cinco números - 2 ......2. De hecho. h correspondencia entre p y su vector de «dores es is i tsnmorftsmo. es decir, un mapeo uno a w o sobre R 5 que preserva combinadones lineales
http://www.fullengineeringbook.net 356 of 461.
5.7 Espacios con producto Interior 339 SOLUCIÓN Los valores de p\ y p¿ en los números - 2 , - 1 , 0. 1 y 2 están listados en los vectores de R5 en (3). Los valores correspondientes para /?son - 3 , 9/2, 5. 9 /2 y - 3 . Calcule (p .p o ) = 8.
(p . p\) — 0 ,
( p o .p o ) = 5 .
{ p .p 2) = - 31 (P2.P2) = 14
Asi, la mejor aproximación en Va p mediante polinomios en P2 es
(P’ Po) _ . (P-Pl) _ . iP'Pl) _ p - ™
p-p - ( ^
) p° + u r w ) p ' + < i¿ n ¿ ¡ p2
De todos los polinomios en P2. este es el más cercano a p cuando la distancia entre polino mios se mide solo en - 2 , - 1 . 0 . 1 y 2. Véase la figura 1. ■
figura i
I ^ s polinomios pa, /* y pz de los ejemplos 5 y 6 pertenecen a una clase de polinomios que en estadística se denominan polinomios ortogonales2 La ortogonalidad se refiere al tipo de producto interior descrito en el ejemplo 2.
Dos desigualdades Considerando un vector v en un espacio V con producto interior y dado un subespado W'de dimensión finita, se aplica el teorema de Pitágoras a la descomposición ortogonal de v con respecto a IVy se obtiene
HF = IproynHP + lk - proyiHf t u
IRA 2 ílp o te n u sa e se l lado largo.
TEOREM A 1 6
Véase la figura 2. En particular, esto muestra que la norma de la proyecdón de v sobre W no excede la propia norma de v. Esta sencilla observación conduce a la siguiente importante desigualdad.
Desigualdad de Cauchy-Schwarz
Para toda « y v e n V,
K «v > |fM H
(4)
* Véase Startstks and Experimenta!DesignlnEnglrrerirgándito Physlca!Sciences. 2a. c d . de Norman L Johnson y Fred C . Ijeone (Nueva York: John Wtley & Sons, 1977). Fj>«ne libro las rabias listan los ‘ polinomios ortogonales', que son simplemente los valores de los polinomios en números romo -2 . - 1 , 0 , 1 y 2,
http://www.fullengineeringbook.net 357 of 461.
340 CAPÍTULO 5 Otogonalldad y mínimos cuadrados DEMOSTRACIÓN Si a = Q entonces ambos lados de (4) son iguales a cero, por lo tanto, la desigualdad es verdadera en este caso. (Véase el problema de práctica 1). Si ■ # 0 sea W'el subespacio generado por a Recuerde que ||raj| = |c] H! para cualquier escalar c. Así.
||proy*vl =
(U.u)
U =
Puesto que llproy# * | s !}v||, se tiene
l(v .u )| | 0 11 = !
IIo ||
IluB2
H
=
Ko. v)l IIOII
< ||v||. lo que da la ecuación (4).
■
La desigualdad de Cauchy-Schwarz es útil en muchas ramas de las matemáticas. En los ejercicios se presentan unas cuantas aplicaciones. Esta desigualdad es necesaria para probar otra desigualdad fundamental que implica normas de vectores. Véase la figura 3.
T E O R E M A 17
Desigualdad del triángulo
Para toda ■ y v en V, Ih + ^
N
+ N
DEMOSTRACIÓN Bu + v ||2 = (u + v . u + v) = (u.u> + 2 ( u . v } + (v.v) S
IIu||2 + 2|(u. v)| + ||v||2
< ||U || ~ + 2 IIu II | | v | + ||v ||2
C au ch y -S ch w arz
= (ll« II + M ) 2
1*1
I RA 3
longitudes de los lados n triángulo.
La desigualdad del triángulo se deduce inmediatamente al sacar la raíz cuadrada en ambos lados. ■
Un producto interior para
C[a, b
] (se requiere cálculo)
Quizás el espacio con producto interior más ampliamente utilizado en aplicaciones sea el espacio vectorial C[a, ó] de todas las funciones continuas en un intervalo a ^ t ^ b. con un producto interior que enseguida se describirá. Se inicia considerando un polinomio p y cualquier entero n mayor o igual que el grado de p. Entonces /?está en P * y se puede calcular una 'lo n g itu d ' para/?utilizando el produc to interior del ejemplo 2 que implica evaluación en n + 1 puntos en Ja, ¿1. Sin embargo, esta longitud de p solo capta el comportamiento en esos n + 1 puntos. Como p e stá en P apara todas las n grandes, se podría utilizar un valor de n bastante grande, con mucho más puntos para la 'evaluación' asociada con el producto Interior. Véase la figura 4.
/
t i ■ t 4 1
\S T \ i l i l i l 1 1 1
Pifi A
i —r i i x. y
4 -/
IW T \ 'lililí lil i lí
11 I I I I I I \ A 4 1 1 1 1 1 1 1 1 , , T, , ,.l M il /
»i »
Uso de diferentes números de puntos de evaluación en [a. A| para calcular ||/ f . f ig u r a
4
http://www.fullengineeringbook.net 358 of 461.
5.7 Espacios con producto Interior 341 Se partidora [a, b] en n + 1 subintervalos de longitud At = (b - a )/(n + 1). y sean fi>..... t„ puntos arbitrarios en esos subintervalos. —H At a
to
h—
tj
t„
b
Si n es grande, el producto interior sobre P fl determinado por fc..... /atenderá a dar un gran valor para (p, p). así que se reduce a escala y se divide entre n + 1. Observe que 1/( n + 1) = A t/[b - a), y se define
0 m >= j ^ - \ ¿ P ( 0 ) í( 0 ) = ¿ JmO
í
¿
p Uj M
jW
[_;= 0
J
Ahora, Acrece sin limite. Puesto que los polinomios p y 7 son funciones continuas, entonces la expresión entre corchetes es una suma de Riemann que se aproxima a una integral definida, lo que conduce a considerar el valor promedio de p(f)q(f) sobre el intervalo [a. Z>J:
b h l Esta cantidad está definida para polinomios de cualquier grado (de hecho, para todas las fundones continuas), y tiene todas las propiedades de un producto interior, como lo muestra el siguiente ejemplo. El factor de escala l / ( b - a) no es esencial y con frecuencia se omite con la finalidad de simplificar.
EJEMPLO 7
P a r a le n Cía, A).sea < /.* > ” J Í / « * ( » ) *
(5)
Demuestre que la ecuadón (5) define un produdo interior sobre CJa. />]. SOLUCIÓN Los axiomas 1 a 3 del produdo interior se deducen de las propiedades elemen tales de las integrales definidas. Para el axioma 4. observe que
La fundón [ /{/))* es continua y no negativa en [a. ¿). Si la Integral definida de ( f[f)\2 es cero, entonces ( f\t)]z debe ser idénticamente cero sobre [ai />[. de acuerdo con un teorema en cálculo avanzado; en tal caso, fe s la fundón cero. Así < f, f) = 0 implica que fe s la fun ción cero en [a, />]. Por lo tanto. (5) define un produdo interior sobre C[a, b). ■ E JE M P L O 8 Sean l^el espacio C[0. 11 con el produdo interior del ejemplo 7. y W c\ subespacio generado por los polinomios p x{t\ = 1. p¿(t) = 2 / - 1 y p¡{/j = 12/2. Utilice el proceso de Gram-Schmidt y encuentre una base ortogonal para W. SOLUCIÓN Sea q x - />,. y calcule ri
(P2 , qi ) = / ( 2 / - ! ) ( ! ) < / / = ( / 2 —0 7o
http://www.fullengineeringbook.net 359 of 461.
i*
lo
=0
342 CAPÍTULO 5 Otogonalldad y mínimos cuadrados De manera que p¿ ya es ortogonal a q\, y se puede tomar q2 = p¿- Para la proyección de p sobre = Gen {
(P 3 ,q i}=
í
12/2 • l
Jo
=4
o
< * ! .* .) « / ' M r f / = í = 1 Jo o (/»3.<7z) = f 12 / 2( 2 / — !)/ = í (24/ 3 - 12 / 2) d t = 2 •'0 /o <Í2.ÍJ> = / o'(2< - l) 1* =
- l ) J[ = 5
Entonces Pr ° y w2 P i
k h ílL
4.
q i = 4^, -f 6<72
y 3 - 4qr, - 6^ Como una fundón. 73(/) = l2 / 2 - 4 - 6 ( 2 / - 1) = 12/2 - I2f -f 2. La base ortogonal para el subespado IVes {<71. <72. 75}. ■
PROBLEMAS DE PRÁCTICA Aplique los axiomas del produdo interior para comprobar los siguientes enundados. 1. (v. 0) = (O.v) = 0 . 2. (u ,v + w) = (u.v) + (u.w ).
5 .7 E JE R C IC IO S 1 1. Suponga que R* tiene el producto Interior del ejemplo 1. y sean * = U. D y y = ( 5 . - l ) .
* Encuentre HIWI y K«.y>l2ti) Describa todos los vectores (zi.
que son ortogonales a y.
2. Considere que R? tiene el producto interior del ejemplo 1. De-
rruestre que la desigualdad de Cauchy Schwarz es válida para * = (3. -2 ) y y = (-2. 1). (Sugerencia: Estudie |<* y)!7). Las ejercicios 3 a 8 se refieren a P ? con el producto interior dado por evaluación en -1 , 0 y 1. (Véase el ejemplo 2). 3. Calcule ( p, q), donde />(/) —4 + t q(t) - 5 - 4 1*. 4. Calcule
Obtenga ||/j|| y ()qf. para p y q del ejercicio 3.
a
Obtenga ||/j|| y H ip a ra /? y 7 del ejercicio 4.
7. Determine la proyección ortogonal de 7 sobre el subespaclo generado por p para/jy 7 en el ejercicio 3. & Obtenga la proyección ortogonal de 7 sobre el subespacio ge rerado por p. para p y 7 enel ejercicio 4.
a Considere que P 3 tiene el producto interior dado por evaluación en -3 . - 1. 1 y 3. Sean/*(/) = 1. p ( t ) = t y p z (t) = ?. a) Calcule la proyección ortogonal de p ¡ sobre el subespacio generado \>(/) = t3 mediante polinomios en Gen {po, p u q ) . 11. Suponga que p . p y p son los polinomios ortogonales des
critos en el ejemplo 5. donde el producto interior sobre P« está dado por evaluación en -2 . -1. 0. 1 y 2. Encuentre la pro yecclón ortogonal de P sobre Gen { p . p . p ) .
12. Obtenga un polinomio p ¡ tal que
{po. p . p z . p») (véase el ejer cicio 11) sea una base ortogonal para el subespacio P 3 de P«. Escale el polinomio p de manera que su vector de valores sea
( - 1 . 2 .0 . - 2 . I).
http://www.fullengineeringbook.net 360 of 461.
5.8 Aplicaciones de espacios con producto Interior 343 l a Sea A una matriz Invertlble d p n x n Demuestre que para n v en R". la fórmula (u. v) « (¿u)- (Av) «* (/tu)r (/lv) define un producto Interior sobre R". 14 Sea T una transformación lineal uno a uno de un espacio sectorial V'en R°. Demuestre que para u v en V, la fórmula (u.v) = 7‘(u)*7'(v) define un producto interior sobre V. Utilice los axiomas del producto Interior y otros resultados de esta sección para comprobar los enunciados de los ejercicios 15 a 18. 15 (u.cv) = c(u .v ) para todos los escalares c 16, SI (ii ») es un conjunto ortonormal en V. entonces
Ixs ejercicios 21 a 24 se refieren a V = C(0. 1), con el producto Interior dado por una Integral, como en el ejemplo 7. 3.
- 3 y ¿ (I) - ? - t2.
23. Obtenga || /]| para la /del ejercicio 21.
2S. Sea Eel espacio C |- l . 1| con el producto Interior del ejemplo 7. Encuentre una hase ortogonal para el subespacio generado por los polinomios 1. t y r . Los polinomios en esta base se llaman polinomio; de Leflendie. Sea Eel espacio C |-2 . 2j con el producto interior del ejemplo 7. Obtenga una base ortogonal para el subespaclo generado por los polinomios I. /y 7*.
18 ||u + vlj1 + ||u - vjl1 = 2 |u |* + 2flv||a r ^ i
U J y v Aplique la desigualdad de Cauchy-Schwar?. para comparar la media geométrica ■Job con la medía aritmética (a +
20. Sean u = | ^ j y v = |^ Jj. Utilice la desigualdad de Cauchy-Schwarz para demostrar que
5/
84 Calcule ||gfl para la^del ejercicio 22.
illti + v ||J - J l u - v l l 1
lf t Dados a s 0 y ¿ 2 0, sean u
donde f[Q = 1 - 3/* y g[fl - t - t3.
fSL Determine ( f, ¿f, donde f[t) -
Uu - v | = y/2
17. (u.v) =
Calcule
87. [MI Considere que P< tiene el producto interior como en el ejemplo 5. y sean po. p\, p¿ los polinomios ortogonales de ese ejemplo. Con su programa de matrices, aplique el proceso de Gram Schmidt al conjunto {ft. p¡. p¡. 7*. f 4} y cree una base ortogonal para P 4. «
[MI Sea Eel espacio CIO. 2 u j con el producto interior del ejem plo 7. Aplique el proceso de Gram Schmidt con la finalidad de crear una base ortogonal para el subespaclo generado por {!. eos/, eos2/ eos3i). Utilice un programa de matrices o computac tonal para calcular las Integrales definidas adecuadas.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Por el axioma 1. (v.O) — (0. v). Entonces (O.v) = (Ov.v) — 0(v.v). por el axioma 3. de manera que <0 . ▼) = 0.
2.
Porlosaxiom as 1y 2,ydespués 1otravez. (u .v
+
w)
=
(v
+
w .u )
=
(v .u )
+
(w. u)
=
( u . v ) + (u.w).
5.8
APLICACIONES DE ESPACIOS CON PRODUCTO INTERIOR Los ejemplos de esta sección Ilustran cómo surgen en problemas prácticos los espacios con producto Interior definidos en la sección 5.7. H primer ejemplo se relaciona con el Inmenso problema de mínimos cuadrados de actualización del North American Datum. descrito en el ejemplo introductorio de este capitulo.
M ínim os cuadrados ponderados Sea y un vector de n observaciones. y¡......y suponga que se desea aproximar y median te un vector $ que pertenece a determinado subespaclo de Mn. (En la sección 5.5. f se escri bió como Ax, de manera que $ estuviera en el espacio columna de A). Denote las entradas en 5 como y i ......y * Entonces la suma da los cuadrados de ¡os errores, o SS(E), al aproximar y p o rp e s SS(E) = (y 1 - >•, )2 + • • • + ( y , - y „ )2 Esto es simplemente ||y - $il2- utilizando la longitud estándar en R°.
http://www.fullengineeringbook.net 361 of 461.
(1)
344 CAPÍTULO 5 Otogonalldad y mínimos cuadrados Ahora suponga que las mediciones que generaron las entradas en y no son igualmente confiables. (Este fue el caso para el North American Datum. porque las mediciones se realiza ron durante un periodo de 140 años). Como otro ejemplo, las entradas en y se podrían calcular a partir de varias muestras de medidas, con tamaños de muestra desiguales). Entonces, resulta adecuado ponderar los errores cuadráticas de la ecuación (1) de tal manera que se dé mayor Importancia a las mediciones más confiables.1Si los pesos se denotan como tuj........u>2. en tonces la suma ponderada de los errores cuadráticas es
SS(E) ponderada = u;?(yi - yi)2 + ••• + wl(yH- y„)2
(2)
Este es el cuadrado de la longitud de y - f . donde la longitud se deduce a partir de un pro ducto interior análogo al del ejemplo 1 de la sección 5.7, a saber, (x.y) = tu friy i + • • • + wj,x„yu Algunas veces es conveniente transformar un problema de mínimos cuadrados pondera dos en un problema equivalente de mínimos cuadrados ordinario. Sea W la matriz diagonal con wy......wa (positivos) en su diagonal, de manera que u>i 0
0 w
•••
0
'
0
>2
•••
’ w iy i *
> i "
2
—
W 2 > '2
uí„
con una expresión sim ilar para W% Observe que el /é s im o término en la ecuación (2) se puede escribir como
wJOv -
y i )2 = (wjyj
-
wjyj)2
Se deduce que la SS(E) ponderada en la ecuación (2) es el cuadrado d e la longitud ordinaria en de iV y - W$, que se puede representar en la forma || - M^)|2. Ahora suponga que el vector de aproximación f se construirá mediante las columnas de A Entonces se busca una & que haga que A k = f esté tan cerca de y como sea posible. Sin embargo, la medida de cercanía es el error ponderado,
||H'y —
= flW'y —WAx||J
Asi, k es la solución (ordinaria) de mínimos cuadrados de la ecuación W Ax
=
IVy
La ecuación normal para la solución de mínimos cuadrados es (W A) t WAx = (WA)r Hy
EJEMPLO 1 Encuentre la recta de mínimos cuadrados y = # > + que mejor se ajuste a los datos ( - 2 , 3). ( - 1 , 5), (0. 5). (1. 4) y (2, 3). Suponga que los errores al medir los valores y de los dos últimos puntos de datos son más grandes que para los demás puntos. Pondere estos datos a la mitad en relación con los datos restantes. 1 Nota para lectores con conocimientos de estadística; Suponga que los enores ai medir yvson variables aleatorias tndeponAentes con medb Igual a cero y «irtanzas
http://www.fullengineeringbook.net 362 of 461.
5.8 Aplicaciones de espacios con producto Interior 345 SOLUCIÓN Como en la sección 5.6, escriba X para la matriz A y p para el vector x. y obtenga
y=
X =
3 5 5 4 3
Para una matriz de ponderación, seleccione f^con entradas diagonales 2, 2. 2, 1 y 1. Al mul tiplicar por la izquierda por W'se escalan las filas de X y y. ’2 - 4 ' 2 -2 2 0 . 1 1 1 2
6' 10 10 4 3
Wy =
Para la ecuación normal, calcule (IW X )T W X
*
t ]
y resuelva
[-9
2s ] [
a
] “ [ -
m
]
La solución de la ecuación normal es (a dos dígitos significativos) fío = 4.3 y fi\ ta deseada es
.20. La rec-
/ = 4.3 + .20* En contraste, la recta de mínimos cuadrados ordinaria para estos datos es FIGU RA i
Rectas de mínimos cuadrados ordinaria y ponderada.
/ = 4.0 - .10* En la figura 1 se representan ambas rectas.
A n álisis de tendencia de datos Sea f una fundón desconocida cuyos valores se conocen (quizá solo aproximadamente) en to..... ía. SI existe una ‘tendencia lineal* en los datos / t t í ........ f{Q . entonces se espera po der aproximar los valores de /mediante una función de la forma & + f t t. Si hay una ‘tenden cia cuadrática" de los datos, podría intentarse una función con la estructura fío + P \t + f t / . Esto se analizó en la sección 5.6. pero desde otro punto de vista. En algunos problemas estadísticos, es importante poder separar las tendencias lineal y cuadrática (y posiblemente cúbica o de mayor orden). Por ejemplo, suponga que unos inge nieros están analizando el desempeño de un nuevo automóvil, y f{f) representa la distanda entre el vehículo (en el momento /) y algún punto de referencia. Si el auto viaja a veloddad constante, entonces la gráfica de /(/) deberla ser una re d a cuya pendiente es la velocidad del auto. Si se presiona el acelerador repentinamente, entonces la gráfica de f[f) cambiará para in cluir un término cuadrátioo y posiblemente un término cúbico (debido a la aceleradón). Para analizar la capatidad del auto para rebasar a otro, por ejemplo, los ingenieros tal vez quieran separar las componentes cuadrática y cúbica del término lineal. Si la función es aproximada por una curva de la forma y = f i o + /3|/ + f t / 2. es posi ble que el coeficiente (i2 no brinde la Información deseada sobre la tendenda cuadrática en los datos, porque quizá no sea “independiente* (en un sentido estadístico) de los otros (í¡.
http://www.fullengineeringbook.net 363 of 461.
346 CAPÍTULO 5 Otogonalldad y mínimos cuadrados Para efectuar el a n á lw s d e tendencia de los datos, se introduce un producto interior sobre el espacio P „ análogo al del ejemplo 2 de la sección 5.7. Para p. q en se define (/>•
p¡
1 1 1 1 1
\fector de valares:
p\
pi
Datos: g
-2 -1 0 9 1 2
2 -1 -2 -1 2
3 5 5 4 3
Los cálculos solo necesitan esos vectores, y no las fórmulas específicas para los polinomios or togonales. La mejor aproximación a los datos mediante polinomios en P 2 es la proyección ortogonal dada por
P =
tg ' P
O
) _
(po.po) 0 20
I
,
(g-P i)
( p u p \)
_
,
1
(g >
P i)
_
(¿J. pi)
7
y pO ) = 4 —.1/ — .5(/2 —2) FIGURA 2 Aproximación por una función de tendencia cuadrática.
(3)
Como el coeficiente de pi no es extremadamente pequeño, sería razonable concluir que la tendencia es al menos cuadrática, feto se confirma con la gráfica de la figura 2 . ■
http://www.fullengineeringbook.net 364 of 461.
5.8 Aplicaciones de espacios con producto Interior 347
Serie de Fourier (se requiere cálculo) Con frecuencia, las fundones continuas se aproximan mediante combinaciones lineales de funciones seno y coseno. Por ejemplo, una función continua podría representar una onda so nora. una señal eléctrica del algún tipo, o el movimiento de un sistema mecánico vibratorio. Para simplificar, considere fundones en 0 < / < 2?r. Resulta que cualquier fundón en CIO. 2ir] se puede aproximar tan cerca como se requiera con una fundón de la forma y + a¡ eos / + ••• + aneos n t + Z>| sen / + ••• + ó„sen n t
(4)
para un valor de nsufidentemento grande. La función (4) es un p niinnmlo t r i y iniuéfaic o Si any bnvo son ambas cero, entonces el polinomio es de orden n La conexión entre polino mios trigonométricos y otras funciones en C[0.2ir) depende del hecho de que para cualquier n > l. el conjunto { l . eos t, eos 2
eos nt, sen /. sen 27,.... sen nt]
(5)
sea ortogonal con respedo al produdo interior 2* f(t)g (t)d t
(6)
Esta ortogonal idad se comprueba como en el siguiente ejemplo y en los ejercidos 5 y 6. E JE M P L O 3 Considere que C|0, 2ir] tiene el produdo interior (6). y sean m y n enteros positivos diferentes. Demuestre que eos n i y eos n t son ortogonales. SOLUCIÓN Utilice una identidad trigonométrica Cuando m * n, (cosm r.cos
c o s m t c o s n t dr [ 2
2
2*
L
[cos(m/ + n t ) + cos(mr - n t )] d t
|sen(m / + nr) ^ s e n ( m / m - n
'Jl<
Sea iVel subespacio de C[0. 27t] generado por las funciones de la ecuadón (5). Dada f en C[0. 2 tt], la mejor aproximación a /'m ediante funciones en W es l;¡ a p n > d n a c k n de Fourier de ih étim o a r d e s sobre (0. 2rr\. Puesto que las funciones de la ecuadón (5) son ortogonales, la mejor aproxim adón está dada por la proyecdón ortogonal sobre W. En este caso, los coefidentes a* y />¿de la ecuadón (4) son lexs emfiáenics de Fourier de f. La fórmula estándar para una proyecdón ortogonal indica que _ °k
(fe o s k i) { c o s k t.c o s k t) '
_ k
< f, sen kt) (sen kt. sen k t)'
En el ejercido 7 se le pide demostrar que (eos kt, eos kt) = l r 2* aic = — I f { t ) eo sk t d t . tt Jo
tt y
~
(sen kt, sen kt) =
i r 2* bk = - / f ( t ) s e n k t d t n Jo
tt. Así .
(7)
El coefidente de la fundón (constante) i en la proyección ortogonal es (/O (I donde está definida por (7) para k = 0. Esto explica por qué el término constante en (4) se escribe como ao/2.
http://www.fullengineeringbook.net 365 of 461.
348 CAPÍTULO 5 Otogonalldad y mínimos cuadrados E JE M P L O 4 Encuentre la aproximación de Fourier de n-ésimo orden a la fundón = /sobre el intervalo [0, 2 tt\. SOLUCIÓN Calcule
a2 - 2u * 7or
f l =
2*|_2|0 J
y para i > 0. empleando Integración por partes, 1 at = - If
x Jo
t 1* . . 1 r 1 t eo sk t d t = — eos k t + —sen k t k X L*2 Jo
r
1 f 2* 1Ia* t 11 1 bk = — / t sen k t d t = - T i sen k t - - eos k t x Jo k x \L* 2 J In Asi. la aproxim adón de Fourier de n-ésimo orden a i[b = res
2
2
3
n
77 — 2 sen / - sen 2 / -----sen 3 / - • • • ------ sen nt La figura 3 muestra las aproximaciones de Fourier de tercer y cuarto órdenes a f.
RGURA 3 Aproximaciones de Fourier de la función f[l) - /.
Ij norma de la dlfcrenda entre f y una aproximación de Fourier es el e r r a r c u a d rá tic a m edio le la aproximación. (El término medio se refiere al hecho de que la norma está de terminada por una integral). Es posible demostrar que el error cuadrático medio se aproxima a cero conforme se incrementa el orden de la aproximación de Fourier. Por esa razón, es común escribir oo /(/) = y + eos m i + bmsen mt) m= I Esta expresión para /(/) es la serie d e F o u rier para /so b re (0. 2irl. El término a^cos mt. por ejemplo, es la proyecdón de f sobre un subespado unidimensional generado por oos mt
PROBLEMAS DE PRÁCTICA 1. Sean
2. Encuentre las aproxim adones de Fourier de primer y tercer órdenes a /(/) = 3 - 2 sen / + 5 sen 2/ - 6 eos 2 /
http://www.fullengineeringbook.net 366 of 461.
5.8 Aplicaciones de espacios con producto Interior 349
5 .8 EJER C IC IO S * 1. Bicuentre la recta de mínimos cuadrados y - /5b + que mejor se ajuste a los datos (-2 . 0). (-1. 0). (0. 2). (1, 4) y (2. 4). suponiendo que el primero y el último de los puntos de datos son menos confiables. Pondérelos a la mitad en relación con los tres restantes puntos interiores. * 2. En un problema de mínimos cuadrados ponderados, suponga que 5 de 25 puntos de datos tienen una medición de /q u e es menos confiable que las demás, y en consecuencia se deben ponderar a la mitad en relación con los otros 20 puntos. Un mé todo consiste en ponderar los 20 puntas por un factor de 1, y los otros 5 por un factor de j. Un segundo método consiste en ponderar los 20 puntos por un factor de 2. y los otros 5 por un factor de 1. ¿Estos dos métodos producen resultados dife rentes? Explique su respuesta. 3. Ajuste una función de tendencia cúbica a los datas del ejemplo Z □ polinomio cúbico ortogonal es p}(i) = | / J - ^ /. 4 Rara realizar un análisis de tendencia de seis puntos de datos igualmente espaciados, se pueden emplear polinomios ortogo nales con respecto a la evaluación en los puntos t - - 5 , -3 . - 1 . 1.3 y 5. a) Demuestre que los primeros tres polinomios ortogonales son
MO = i. pi(t) = t y P i(i)= it2- j (El polinomio p¡ se escaló para que sus valores en los punios d? evaluación fueran enteros pequeños). b) Ajuste una función de tendencia cuadrática a los datos (-5.1). (-3 .1 ). (-1.4). (1.4). (3.6). (5. 8) En los ejercicios 5 a 14. el espacio es C[0. 2v\ con el producto Interior (6). £ Demuestre que sen m ty sen mson ortogonales cuando m * n
9l Ohtenga la aproximación de Fourier de tercer orden a m = 2n - L la
Determine la aproximación de Fourier de tercer orden a la funcióndeonda cuadrada, ñ,t¡ - 1para t< ir y f[b - - 1 para tt s t< 2 n.
11. Encuentre la aproximación de Fourier de tercer orden a seri2/ sin efectuar cálculos con integrales. 12. Obtenga la aproximación de Fourier de tercer orden a cas3/1, sin efectuar cálculos con Integrales. * 1& Explique por qué un coeficiente de Fourier de la suma de dos funciones es la suma de los coeficientes de Fourier correspon dentes de las dos funciones. * 14 Suponga que los primeros pocos coeficientes de Fourier de alguna función f e n C\0. 2n] son a¡. a?. y b\, Aj. b¡. ¿Cuál de los siguientes polinomios trigonométricos es más cercano a /? Argumente su respuesta. lio
g{i) = — +O icos/ + 0: eos 2/ + Ai se n / A( / ) = y
+fl|Cos/ +
ajcos2i + A , s e n / + A j S e n 2 f
1£ |M) Consulte los datos del ejercicio 13 de la sección 5.6. con cernientes al despegue de un avión Suponga que los errores de las posibles mediciones aumentan conforme se Incrementa la rapidez del avión y sea Wla matriz ponderada diagonal cuyas entradas diagonales son I, 1.1. .9. .9, .8. .7, .6. .5. .4. .3. .2 y . 1. Encuentre la curva cúbica que se ajuste a los datos con error de mínimas cuadrados ponderados, y úsela para estimar la velo cidad del avión cuando / = 4.5 segundos. la
& Demuestre que sen mt y eos nt son ortogonales para todos los enteros positivos m y n
[M] Sean f4 y / 4 las aproximaciones de Fourier de cuarto y quinto órdenes en CIO. 2ir] a la función de onda cuadrada del torcido 10. Elabore gráficas separadas de f t y /s en el Inter valo [0. 2rr\ y trace una gráfica de fs en [-2ir. 2 n \
7. Demuestre que |cos kf¡? = rr y Usen kftf para k > 0. & Encuentre la aproximación de Fourier de tercer orden a
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA l . Calcule I i \ - t d i =* - / 3 f2
t oi . <73) =/
= 0
l - ( 3 r - 4 ) < / / = ( /3 - 4 / )
j-l
http://www.fullengineeringbook.net 367 of 461.
r 1-2
=0
350 CAPÍTULO 5 Otogonalldad y mínimos cuadrados 2. La aproximación de Fourier de tercer orden a fe s la mejor aproximación en C[0, 2ra] a f mediante funciones (vectores) en el subespacio generado por 1 , eos t, eos 2 1. eos 31, sen ( sen 2 /y sen 3/. Pero /está evidentemente en este subespacio, así que íe s su propia mejor aproximación: /[() = 3 - 2 sen / + 5 sen 2/ - 6 eos 2t
Aproximaciones de primer y tercer órdenes a f[l).
Para la aproximación de primer orden, la función más cercana a í e n el subespacio W = Gen {1. eos /, sen r) es 3 - 2 sen /. I jos otros dos términos en la fórmula para í[l) son ortogonales a las fundones en W, asi que no contribuyen a las integrales que dan los coefidentes de Fourier para la aproximación de primer orden.
C A P Í T U L O 5 E JE R C IC IO S C O M PLEM EN TAR IO S 1. Los siguientes enunciados se refieren a vectores en R" (o R“) con el producto Interior estándar. Marque cada enunciado como verdadero o falso. Justifique sus respuestas, a) La longitud de cada vector es un número positivo. ti) Un vector v y su negativo -vtienen iguales longitudes. () la distancia entre o y ves |n - v||. d) Si res cualquier escalar, entonces ||/t J « r|M|. é) Si dos vectores son ortogonales, entonces son lineal mente Independientes.
t) Una solución de mínimos cuadrados de Ax - b es el vector Ak en Col A más cercano a h de manera que i|k - Ak|| |¡k - A4J para toda x s) Las ecuaciones normales para una solución de mínimos cua drados de Ax * beslán dadas por ft =* (ArA )'x A’fc 2 Sea {Vi..... v,,} un conjunto ortonormal. Compruebe la si guiente Igualdad mediante Inducción. Iniciando con p = 2. Si x = CjV| + ••• + cgtp. entonces
ll*l|í = |cIp + ...+ |c,P
f) Si a es ortogonal a n y v, entonces a debe ser ortogonal a
u - v. $ Si ||a+ v f - IWF + IMP. entonces a y vson ortogonales. A) Si }■ - yp - |«yp + |MP. entonces u y v son ortogonales. /) La proyección ortogonal de y sobre ues un múltiplo escalar de y. J) Si un vector y coincide con su proyección ortogonal sobre unsubespado W,entonces y esta en W. ti) □ conjunto de todos los vectores en ¡R" ortogonales a un vector fijo es un subespaclo de R".
a Sea (v,.....un conjunto ortonormal en R". Compruebe la siguiente desigualdad de fíense!, que es válida para toda x en R*
ll*ll2 > l*-vi|2 + |x-vj|2 + ••• + |x-v,|J 4 Sea U una matriz ortogonal de n x n. Demuestre que si (vi.....v„} es una base ortonormal para IR", entonces también loes { ih \..... Uwtt).
¡) Si IVes un subespaclo de Rn. entonces W y Wx no tienen vectores en común.
5. Demuestre que si una matriz U de n x n satisface (Lk)(LJjr) * x y para todas las x y y en Rn. entonces Ues una ma triz ortogonal.
ni SI {*i. vi?. ¥3} es un conjunto ortogonal y si c\, y d son escalares, entonces {ovi. OV?. Qvs} es un conjunto ortogonal.
ft Demuestre que si f/es una matriz ortogonal, entonces cualquier valor propio real de í/debe ser ± 1.
rt) Si una matriz U tiene columnas ortonormales. entonces U lF -l ó) Una matriz cuadrada con columnas ortogonales es una ma triz ortogonal. f) Si una matriz cuadrada llene columnas ortonormales, enton ces también tiene rilas ortonormales. $ Si W es un subespaclo. entonces Hproy*’ v f + |v proy»vf = IHP-
7. Una matriz de Householder, o un reflector demental tiene la forma Q = 1 - 2tm ‘. donde u es un vector unitario. (Véase el ejercicio 13 en los ejercidos complementarlos del capítulo 2). Demuestre que 0 e s una matriz ortogonal. (Los reflectores elementales se utilizan a menudo en programas computacionales para construir una factorizadón QR de una matriz A SI A tiene columnas linealmente independientes, entonces la multi plicación por la izquierda medíanle una secuencia de reflectores elementales puede generar una matriz triangular superior).
http://www.fullengineeringbook.net 368 of 461.
Capítulo 5 Ejercicios complementarlos 351 & Sea 7*: R" -* ¡R" una transformación lineal que preserva lon gitudes; es decir. |7(x)|| = |sj! para toda xen R°. a) Demuestre que r también preserva ortogonalldad; es decir. 7W* 7¡j) - 0 siempre que x y ■ 0. b) Demuestre que la matriz estándar de fe s una matriz o d a gonal. & Considere que n y » representan vectores linealmente inde pendientes en R" que no son ortogonales. Describa cómo en contrar la mejor aproximación a x en R" mediante vectores de la forma x¡b + jt¡¡9 sin construir primero una base ortogonal para Gen (u. v). 1Q Suponga que las columnas de A son linealmente independien tes Determine qué pasa con la solución de mínimos cuadrados i de ¿x = bcuando bse remplaza por ih para algún escalar c dferente de cero. 1L SI a, b y eson números distintos, entonces el siguiente sistema es inconsistente porque las gráficas de las ecuaciones son planos paralelos. Demuestre que el conjunto de todas las soluciones de mínimos cuadrados del sistema es precisamente el plano cuya ecuación es x - 2y + Sz • (a + b + 4 /3 . x - 2y + 5z = a x - 2y + 5z = b
1/k ejercicios 15 y 16 conciernen a la factorizaclón de Schur (real) de una matriz ¿ de n x nen la forma A = URUT. donde U es una matriz ortogonal y Res una matriz triangular superior d e / i x / i 1 15. Demuestre que si A admite una factorizaclón de Schur (real). A = URUT, entonces A tiene n valones propios reales, contando multiplicidades. 16l Sea A una matriz de n x neón n valores propios reales, contando multiplicidades, denotados con Ai.....A». Es posible demostrar que A admite una factorizaclón de Schur (real). Los incisas 4 y ¿) dan las ideas clave de la demostración. El resto de la de mostración equivale a repetir a) y ti) para matrices sucesivamen te más pequeñas, y luego unir todos los resultados. 4 Sean u. un vector propio unitario correspondiente a Ai, y 02. ... cualesquiera otros vectores tales que ..... a,} sea una base ortonormal para R" y entonces sea U ■ [■i ••• o*]. Demuestre que la primera columna de 1 / AU es Ai®¡. donde ® es la primera columna de la matriz identidad de n x n tí) F3 inciso 4 implica que 11*AUtiene la forma que se mues tra abajo. Explique por qué los valores propios de A\ son A2.....A/, {Sugerencia: Véase los ejercicios complementa rios del capítulo 7. en el sitio Web].
x —1y ■+■5z = c 12. Considere el problema de encontrar un valor propio de una ma triz A d en * ociándose conoce un vector propio x aproximado. Puesto que v no es exactamente correcto, la ecuación Aw~ ke
(I)
probablemente no tendrá una solución. Sin embargo, Ase puede estimar mediante una solución de mínimos cuadrados cuando la ecuación (1) se analiza adecuadamente. Piense en veomo en una matriz V á en x l.yconsldere A un vector en R'. y denote el vector ¿xcon el símbolo b Luego. (1) se reduce a b - A V. que también se puede escribir como VA = b Obtenga la solución de mínimos cuadrados de este sistema de necuaciones con la única Incógnita A. y escriba esta solución empleando los símbolos ori ginales. Ia estimación resultante para A se denomina cociente de Raylelgh. Véase los ejercicios 11 y 12 de la sección 7.8 (en el sitio Web). 13; Siga los pasos descritos a continuación para probar las siguien tes relaciones entre los cuatro subespacios fundamentales deter minados por una matriz A de m x n. Fll ¿ - (Nul ¿ ) i *, C ol¿ *» (Nul ¿O x 4 Demuestre que FU ¿está contenida en (Nul ¿ ) x. (Demues tre que si xestá en Rl A. entonces xes ortogonal a cada u en Nul A). b) Suponga que rango A = r. Encuentre dim Nul ¿ y dim (Nul ¿ ) \ y entonces deduzca del inciso 4 que FU ¿ = (Nul ¿ )x. ¡Sugerencia: Estudie los ejercicios de la sección 5.3]. 4 Explique por qué Col ¿ - (Nul ¿ ) x. 14 Explique por qué una ecuación ¿x - b tiene una solución si y solo si b es ortogonal a todas las soluciones de la ecuación ¿ rx - O
¡M] Cuando el lado derecho de una ecuación Ax ■■ b se modifica ligeramente, por ejemplo, a Ax = b + Ab para algún vector Ab la solución cambia de xa x + Ax. donde Axsatisface ¿(Ax) = Ab 13 cociente ||Ab{|/]|h||es el arabio rtitfivo en b(o el o-rar relativo en b cuando Ab representa el error posible en las entradas de b) □ cambio relativo en la solución es ||A4|/|aj|. Cuando ¿ e s invertible, el mbwro de cmdkióe de A. representado como cond(¿), aporta un limite de la magnitud del cambio relativo en x:
|Ax| 11*11
< cond(¿)>
|A b | llbll
( 2)
Eh los ejercicios 17 a 20. resuelva Ax = b y ¿(Ax) = Ab. y de muestre que la desigualdad (2) es válida en cada caso. (Véase el análisis de matrices mal condicionadas en los ejercicios 41 a 43 de h sección 2.3). 9.249] .001 ] r4 -5 3.1] 1b-l ' 16.843 [l.6 L.J|.b-| J. Ab = | -.003 J 3.1] u ‘ .500] r 4.5 r o o i] 1 [,.6 L . J 1 .-1 .4 0 7 Jl-H M
1Si se peralten números complejos cada matriz Aden* nadmñc una tac tortzaclún de Schur (compleja). A = URU~l. donde R es triangular supe rtor y U~1es la transpuesta conjugada de U. Este hecho de gran utilidad se r a ll a en bi obra Matrtx Anaiysis, de Rnger A Hom y Charles R. Johnson Cambridge: Cambridge Unlvfirsiry Press. 1985). pp.79-100.
http://www.fullengineeringbook.net 369 of 461.
352 CAPÍTULO 5 Ortogonalldad y mínimos cuadrados
' la
a
=
-6
7 -5 10 19
1 11 9 '
A b = lO "4
-4 0 7 7
.4 9 ' - 1 .2 8 5.7 8 8.04
1' -2 .b = -3 1
.1 0 0 ' 2.888 - 1 .4 0 4 1.462
' aa
a
=
-6 1 11 9
7 -5 10 19 '
A b = 10-1
-4 0 7 7
r -2 -3 1
.2 7 ' 7.76 - 3 .7 7 3.93
http://www.fullengineeringbook.net 370 of 461.
‘ ,b =
4 .2 3 0 ' - 1 1 .0 4 3 49.991 69.536
AutoevaluackSn 353
A U TO EVA LU A C IÓ N 1. Determinar la distancia entre los vectores ■ = ( - 8 . 2, - 6 ) y v = ( - 3 . 3 . 4).
-3 2 . Determinar si el conjunto
3 -3 3
0
3
es un conjunto ortogonal.
3. Si W es el subespacio vectorial generado por los vectores
■: =
2 2 . «fe =
12
-1
3
y
y=
4
-1
14
25
determinar los vectores w y v tales que y = %v + x con w e W y v e W \ 4. Si iVes el subespacio vectorial generado por los vectores 2 * *
II ►>
.
10
-1 3 4
>>
■l =
2 -1
20 33
determinar el vector de W más cercano a y. S
Encontrar la factorización Q Rde la matriz 0 1 -1 1
1 1 -1 -1
1 0 1 1
«. Encontrar una solución por mínimos cuadrados al sistema inconsistente A x = b. si 1 1 1 1 1 . 1
1 1 0 0 0 0
0 0 1 1 0 0
0 0 0 0 1 1 .
y
b -
7 8 0 2 4 . 1 .
7 . Dados
A =
4 2 3
3 1 2
y
*> =
4 2 1
determinar el error que se obtiene al aplicar mínimos cuadrados al sistema A x = b & Encontrar la ecuación de la recta y = + a los puntos (5. - 3 ) . (2. 2). (4.3). (5. - 1 ).
que mejor se ajusta por mínimos cuadrados
http://www.fullengineeringbook.net 371 of 461.
Números complejos r
COMPETENCIAS A DESARROLLAR 1 Manejar los números complejos y las diferentes formas de representarlos, asf como las operaciones entre ellos para encontrar todas las soluciones de ecuaciones polinomiales que surgen en problemas teóricos o de aplicación, principalmente en Ingeniería. ACTIVIDADES DE APRENDIZAJE ♦ Definir y dar ejemplos de números complejos, partes reales e imaginarias. Definir ¡ = V ^ T , o bien, i 2 = - 1. Definir las operaciones de suma y producto de números complejos. ♦ Enunciar y ejemplificar las propiedades de las operaciones de suma y producto de números complejos. Calcular el inverso multiplicativo de un número complejo diferente de cero utilizando un par de ecuaciones simultáneas. Encontrar las raíces cuadradas de números complejos. Resolver ecuaciones de primero y segundo grados con una incógnita, con números complejos. Resolver ecuaciones con números complejos utilizando el inverso multiplicativo de un número complejo distinto de cero. Resolver sistemas de ecuaciones lineales con números complejos. ♦ Comprobar las soluciones, reales y complejas, de una ecuación cuadrática. Definir el plano complejo y representar geométricamente un número complejo. Definir, interpretar geométricamente y calcular el módulo de un número complejo; presentar su notación y sus propiedades.
♦ Definir, interpretar geométricamente y calcular el conjugado de un número complejo; presentar su notación y sus propiedades. Interpretar geométricamente la suma de números complejos. ♦ Definir el cociente de números complejos utilizando el conjugado y el módulo del divisor. Definir, Interpretar geométricamente y calcular el argumento de un número complejo, su notación y sus propiedades. Reconocer que cualquier potencia entera de i se puede representar como ±i o ± 1. Definir la representación polar de un número complejo. Deducir las fórmulas de transformación entre la representación polar y la rectangular de un número complejo.
http://www.fullengineeringbook.net 372 of 461.
COMPETENCIAS A DESARROLLAR ♦ Expresar números complejos con la fórmula de Euler. ♦ Realizar las operaciones de multiplicación y división con complejos representados en su forma polar, e interpretar geométricamente los resultados. ♦ Analizar el teorema de De Moivre y aplicarlo a las operaciones de potencia y raíz n^sima de un número complejo. ♦ Resolver ecuaciones polinomiales oon rafees complejas. ♦ Utilizar software matemático para efectuar operaciones con números complejos.
t Sesugeretrabajar tosproblemasmarcadosconun puntoprimeroen forma Individual y. luego, discutidos con todoel grupo yel profesor. t Los ejercicios maleadosconun asterisco debentrabajarse en colaboracióncon los comporteros de ciase. Se sugiere formar oqu'posde doso tres cstudantes.
http://www.fullengineeringbook.net 373 of 461.
ORGANIZADOR GRÁFICO
Estructura algebraica
Operaciones y propiedades
Interpretación geométrica de las operaciones
Números complejos
Representación rectangular
Representación polar
http://www.fullengineeringbook.net 374 of 461.
Ecuaciones con complejos
Fractales
En 1975 el matemático Benoit Mandelbrot llamó fractal a un objeto semigeométrico cuya estructura básica se repite a diferentes escalas. El término proviene del latín fractus. que significa roto o fragmentado. La figura muestra una
• Es autosimilar. esto es. el todo es exactamente similar (o aproximadamente similar) a una parte de sí mismo. Dicho de otra manera, está conformado por copias más pequeñas de sí mismo.
fracción de un fractal Mandelbrot. • Se define mediante un algoritmo recursivo. Ejemplos muy conocidos y estudiados de este tipo son los llamados conjuntos de Julia, con los que trabajaron Pieree Fatou y Gastón Julia en la década de 1920. Estos conjuntos surgen como una aplicación repetida de ciertas funciones definidas en los complejos y con valores complejos, llamadas funciones hoíomorfas Para un número complejo z e C. z —* f ( 4 >-* f \ f(4 ) Muchasestructuras naturales sonde tipo fractal; por ejemplo, la planta llamada romanescu. Brassica olerácea o col silvestre o el helécho. Se trata de objetos autosemejantes
Algunas efe estas funciones son de tipo polinomial y. en tal caso, es posible que el resultado tienda al infinito.
o autosimilares
El conjunto de valores complejos que no se escapan al infinito medíante la aplicación de esta función se conoce
Aunque el término fractales relativamente reciente, los fractales eran muy conocidos en matemáticas desde principios del siglo xx.
como conjunio de Julia relleno, y su frontera (la periferia) se denomina conjunto de Julia.
En la década de 1970 se atribuyeron las siguientes características a un objeto geométrico fractal: • Es demasiado irregular para describirse en términos geométricos tradicionales.
Estos conjuntos se representan mediante un algoritmo de tiempo de escape, donde cada plxel se colorea según el número de iteraciones necesarias para escapar. Suele usarse el color negro para representar los puntos que no han escapado.
357
http://www.fullengineeringbook.net 375 of 461.
358 CAPÍTULO 6 Números complejos A continuación se presenta un ejemplo de conjunto de Julia relleno, donde la fundón es de la forma f c{¿) = z2 + c.
permite una compresión de 25 a 1. sin una pérdida excesiva de calidad.
Modelado de formas naturales U método de compresión fractal es el más adecuado para texturas e imágenes naturales, y se basa en el hecho frecuente de que partes de una imagen se parecen a otras partes de la misma imagen. I^os algoritmos fraílales convierten estas partes en datos matemáticos llamados códigos fradales, los cuales se usan para rehacer la imagen codificada. Asi. un fractal natural es un elemento de la naturaleza que puede describirse mediante la geometría fractal. Las nubes, las montañas, el sistema circulatorio, las líneas costeras y los copos de nieve son ejemplos de fractales Al considerar una familia de conjuntos de Julia { f c) asociados a la reiteradón de fundones de la forma fc($ = ¿ , que queda paramctrizada en un mapa de fradales. se forma el llamado conjunto de Mandelbrot. Este conjunto representa un mapa en que cada pixel. correspondiente a un valor de c se colorea de modo que refleje una propiedad básica del conjunto de Julia asociado a f& Se podría seguir hablando de diversos tipos de fradales; sin embargo, en este momento conviene preguntar cuáles son sus aplicaciones. De hecho, las técnicas de fradales resultan muy útiles para comprimir datos, por lo que constituyen una herramienta importante en diveisas disdplinas dentíficas.
Compresión de imágenes La compresión de imágenes se define como el proceso de reducir la cantidad de datos necesarios para representar eficazmente una Imagen. Esto se deriva de la falta de capacidad de los dispositivos de almacenamiento para guardar, a bajo costo, la cantidad de información que genera una imagen o una serie de datos. En especial, la compresión de datos cobra gran importancia en Internet, ya que cuanto menor sea un archivo que se desea enviar, menos tiempo tardará en llegar y menos costoso será enviarlo.
naturales. Un ejemplo de un fractal natural es la planta del brócoli. que es autosemejante. l^ s formas fractales —esto es. las formas en la que las partes se asemejan al todo— coexisten en la materia biológica ju n to con las simetrías (formas básicas que solo necesitan la mitad de información genética) y las espirales (formas de crecimiento y desarrollo de la forma básica hacia la ocupación de un mayor espacio).
Aplicación en manifestaciones artísticas En música, los fractales se emplean tanto en la composición armónica y rítmica de una melodía como en la síntesis de sonidos. Esto es posible gracias a que en composición existen los llamados micromodos los cuales son pequeños grupos de tres notas que pueden trabajarse de manera horizontal (melódica) o vertical (armónica). A la vez, el ritmo puede trabajarse en sucesiones temporales especificas, que son determinadas por sucesiones de fractales. En artes plásticas, gracias a programas informáticos como Apophysis o Ultra Fractal, es posible diseñar
ija compresión fractal es un método de compresión con pérdida de información para Imágenes digitales basado en fractales. Entre los métodos con pérdida de información destaca el de Lossy. Un ejemplo de dicho método es el formato j p e g (Joint Photographic Expert Group), que
Imágenes con técnicas diversas, ya sea utilizando parámetros, geometría de triángulos o transformaciones aleatorias (a veces llamadas mutaciones).
http://www.fullengineeringbook.net 376 of 461.
[ web]
6.1 Los números complejos como campo 359 Uno de los problemas relevantes al que se enfrentaron los matemáticos desde hace mucho tiempo fue el de resolver ecuaciones de la forma x" = a. donde / j e W y a e R . S i/ie s impar, la ecuación tiene exactamente una solución real, y s i /7 es par y a es positivo, existen exac tamente dos soluciones reales. Sin embargo, si n c s par y a es negativo, la ecuación no tiene soluciones en R. ya que ningún número real elevado a una potencia par es negativo. En par ticular, la ecuación x2 = - 1 no tiene solución en los números reales. Es fácil convencerse de que al resolver esta ecuación, se resuelven todas las de la forma Xa = a, donde n es par y a u n número real negativo. Así. la idea de resolver tales ecuaciones plantea el problema de tener un sistema numérico que contenga a los reales, que también sea un campo1y donde exista un número / que elevado al cuadrado dé como resultado - 1 . Dicho campo deberá contener a todos los elementos de la forma a + bi. con a. b e R. donde b ies el producto de b por /e n dicho campo, y la suma de acón b ies también la suma en ese campo.
LOS NÚMEROS COMPLEJOS COMO CAMPO
Operaciones con números com plejos Con base en lo dicho hasta ahora, el campo con las características descritas debe contener a los números de la forma a + bi. con a b e R. Así. se considerará el conjunto C = { a + bi | a. b e R} de tales expresiones, y se verá que este sirve para los propósitos planteados. A continuación se analizará cómo deben ser las operaciones y cuándo dos expresiones de este tipo son iguales para que efectivamente C sea un campo, considerando que t* = —1.
Observación Si +bi, c + d i e C. entonces a + bi = c + d i ‘si y solo si" a = c y b = d. Esto sucede puesto que si C va a ser un campo, entonces a + bi = =*■ a- c= =*■ (a = =*■ (a - c)2 =
c + di {d - b) i (d - b)2f - { d - fy2
Como (a - c)2 > 0 y ( - b)2 > 0, se tiene que (a - c)2 = 0 = {d - b)2. esto es. a - c 0 = d - Ay, por lo tanto, a = c y d = b. ■ DEFINICIÓN
Una expresión de la forma z** a + b ise llama n ú m ero co m p leja y el conjunto C es el a m p u t o d e la s núm eros com plejas
Además. s i a + i i s C y c + di e C, las operaciones de suma y producto se definen como sigue: (a + bi) + (c + di) = (a + c) + {b + dji (a + bi) • [c+ di) = {ac - bd) + (ad + be)i. puesto que si C va a ser un campo, se debe tener (a + b i + {c+ di) = a + bi + c + di = a + c + b i+ d * (a + r) + (A + d)i (a + bi) • (c + df) = = = =
(a + b/)c + (a + b/)di a c + hci + adi + M i2 ac + bei + adi - bd ( a c - bd) + (a d + bc)i
■
1 Un campo es un co q u ito Acón dos operaciones Uñarlas, usualmente llamadas suma '+ * y producto *•’ . La suma es asociativa, conmutativa, y su elemento neutro es 0; además, para cada demento existe un Inverso. □ producto es asociativo, conmutativo, su demento neutro es I . y todo elemerto distinto de cero tiene Inverso; ademas, el producto se distribuye respecto de la suma.
http://www.fullengineeringbook.net 377 of 461.
360 CAPÍTULO 6 Números complejos Por ejemplo, si / = - 1 + J y w = 3 + 2 i entonces / + ,v = ( - 1 + 3) + (1 + 2)7 = 2 + Z iz / • iv = ( - 1 x 3 - 1 x 2 ) + ( - 1 x 2 + 1 x 3 ) ; = - 5 + ;
DEFINICIÓN
Si / = a + bie. C. entonces a y ¿ s e llaman la respectivamente, y se denotan como sigue: Re(z) = a.
parte r c a ly la parte maznaría d e /,
Im(z) = b
Por ejemplo, si / = - 3 + 4;. entonces Re(.z) = - 3 e ItriÁ = 4. Con base en esta terminología y en la observación anterior, dos números complejos son iguales si y solo si tienen la misma parte real y la misma parte imaginaria.
TEOREMA 1
H conjunto C. con las operaciones de suma y producto definidas, es un anillo conmu tativo con elemento unitario.2
DEMOSTRACIÓN Se deja como e je rd d o para el lector probar las propiedades asociativa y conmutativa de la suma y el producto, así como la propiedad distributiva Existencia del elemento neutro aditivo. El complejo 0 = 0 + 0 /e s dicho elemento, ya que si a + bi e C. entonces (a + bi) + (0 + 04 = (a + 0) + (b + 0); = a + bi. Existencia de! inverso aditivo. Sea z = a + bi e C, entonces ( - a ) + {-/> )/es un complejo y ( a + bi) + ( ( - a ) + ( -¿ );) = ( a + ( - a ) ) + (b + (-b )i) = 0 + 0/. El inverso aditivo d e / se denota por - z Existencia del elemento unitario. El elemento 1 = 1 + 0 ; cumple con la propiedad de que si a + bi c C. entonces (a + bi) • (1 + 0i) = a + b i Con esto, se tiene que C es un anillo conmutativo con l.
■
Ahora se verá que todo elemento de C diferente de cero tiene inverso multiplicativo, esto es. que si a + b i es un complejo tal que a + b i * 0. entonces existen x, y e R tales que (a + bi) • (x + yi) = 1. Si se tiene que (a + bi) • ( x + yi) = 1, entonces (ax - ¿y) + (ay + bx) = 1; luego. ax - b y = 1 a y + bx = 0 Asi, para encontrar x y . e s necesario saber si el sistema anterior tiene solución. Como el determinante del sistema ¡a s + ¿ í es distinto de cero, ya que a + b i * 0 = > a * 0 o b * 0 , entonces el sistema tiene solución única y. por la regla de Cramer. se sabe que dicha solución está dada por
1 Anillo conmutativo con ciernen» unitario es un conjinto A con dos operaciones binarlas deferidas, usualmarte tomadas suma *+* y producto ’ •*. La suma es asociativa, conmutativa y con un elemento neutro tomado 0; ade mas, es una operación en la que. para cato elemento, existe un Inverso, H producto es asociativo, conminativo y con un elemento neutro Bamato 1 ; ademas, ti producto se distribuye respecto de la suma.
http://www.fullengineeringbook.net 378 of 461.
6.1 Los números complejos como campo 361
donde o{»
4
a 1 = - b , es decir. b 0 a
-b
Con eslo y la proposición 1 se ha probado la siguiente proposición.
TEOREMA 2
El conjunto C. con las operaciones de suma y producto definidas, constituye un campo.
Algoritmo q u e perm ite encontrar z ' 1 para z = a + b l C - (0) •
Calcule a 2 + # .
•
Encuentre z ' 1 = - 3— t t - —¡— ¡ jA
a
5 +b
b
3 +b
Por ejemplo, si z = - 2 + 5 /
=»
~2 5 (-2)* + 5* (-2) + 5
29
29
Ahora se verá que en los números complejos no es posible dar un orden que sea compati ble con las operaciones de suma y producto, a diferencia de lo que sucede con el orden en los reales. Para esto se presenta la siguiente definición.
DEFINICIÓN
Sea D un dominio entero.3 Una dase positiva en D e s un subconjunto P d e D. cuyos elementos se llaman positivas y satisfacen las siguientes leyes: I.
Cerradura respecto de la adición: Si 3 b e P, entonces a + b e P.
2
Cerradura respecto de la multiplicación: Si a, b e P. entonces a - b e P.
2
Tricotomía: Si a e D, entonces una y solo una de las siguientes proposiciones se cumple: a c P, a = 0 o - a e P.
En el conjunto de los números enteros, la clase positiva es N.
DEFINICIÓN
Se dice que un daninio entero es ordenado si tiene una clase positiva
TEOREMA 3
B i un dominio entero ordenado, todo cuadrado de un elemento distinto de cero es positivo.
DEMOSTRACIÓN Sea D u n dominio ordenado, y P e D u n a clase positiva. Si a e D es tal que a * 0. e n to n c e sa e P o - a e P, de ahí que a2 = a a e P o a2 = ( - a ) { - a ) e P\ estoes, a2 e P en ambos casos. ■
TEOREMA 4
De lo anterior se deduce que si D e s un dominio entero ordenado, con clase positiva P. entonces 1 e P.
En un dominio entero ordenado se puede definir la siguiente relación de orden: s Un dominio entero es txi anülo cnnmtfatho con elemento unitario, en el que el producto de dos elementos dLstln tos de cero es diferente de cero,
http://www.fullengineeringbook.net 379 of 461.
362 CAPÍTULO 6 Números complejos
DEFINICIÓN
Sea D un dominio entero ordenado con clase positiva P y sean a. b e D. Se dice que ¿ e s menor que b (a < b) o Aes mayor que a ( b > a) si la diferencia b - a e P.*
TEOREMA 5
Si D e s un dominio entero ordenado con clase positiva P y a. b. c e. D, entonces: L a < b * * a + c < b + c. 2
a < b y c e P=> a - c < b ‘ c
2
se cumple una y solo una de las siguientes relaciones: a< b
o
a= A o
b < a (tricotomía)
A. a < b y b < c*+ a < c(transitividad).
TEOREMA 6
Sea D un dominio entero ordenado, y a. b, c e D. Así, a) se cumple una y solo una de las siguientes relaciones a > 0 . a = 0 o a < 0 . b) a < b y c < 0 = > b - c < a - c c) a < 0 y A < 0 = » a * A > 0 . di a > 0 = * - a < 0 . e) - K O .
Los primeros dos incisos de la proposición anterior muestran que esta relación de orden es compatible con las operaciones.
TEOREMA 7
C no es un dominio ordenado.
DEMOSTRACIÓN S C fuera dominio ordenado, tendría una relación de orden < . con la que - 1 < 0. Por otro lado, de acuerdo con la proposición 3. los cuadrados de elementos distintos de cero deben ser mayores que cero y así. como / * 0 en C, debería suceder que j 2 > 0; pero P = - 1 < 0. lo que nos llevaría a una contradicción de la tricotomía. ■ PROBLEMAS DE PRÁCTICA 1. Si / = 3 - - f y w = - 4 + 6/. calcule
2
a) z - iv ti) z — i w
c) w l di w
2
Sea D un dominio entero ordenado y sea b e D. tal que b < 0. Pruebe que - A > 0.
3L Resuelva el sistema: z - w=i z + 2w = - \ 4Eni*ianlUoconm utatlw ícan 1. A siempre está definida la diferencia de doselemertos, ya
http://www.fullengineeringbook.net 380 of 461.
be A entonces
6.1 Los números complejos como campo 363
6 . 1 EJERCICIOS'*' 1- Exprese k>s siguientes números complejos en la forma a + bi.
4.
a) (2 + 3/) + (4 + /). b) (2 + 3/) • (4 + /).
a) ( v /2 -/)- /( l- A /2 )= - 2 /. ll£ j f + 2 - / = 2 ^ 3 - 4 / 5/ ~5 * £) (1 _ /)« = -4 .
(4+/) * d)
Demuestre que:
(8 + 6/)*. • 5. Determine el valor de la suma J ^
4
a
!+ — . i /+!
6l Ehcuentre números complejos z = x + y i y w = u + vi que satisfagan cada uno de los siguientes sistemas de ecuaciones. a) z + Iw — 1 ¿?+ w= 1 + /
Encuentre los valores de x y / que satisfacen la Igualdad (1 + /)•(* + //) = 2 + L a) mediante un par de ecuaciones simultáneas en xy y. b) utilizando al Inverso multiplicativo de (1 + /).
3 Sean z\ indica:
/*. para toda n e NU{0}.
1 + /. zs • - 2 + /, ¿a • I - 1. Calcule lo que se
b) (1 + l ) z - /ir - 3 + / (2 + /)z+ (2 - /)»■= 2/ 7. Termine la demostración de la proposición 1. & Pruebe la proposición 5. a
Pruebe la proposición 6.
l a Sea D un dominio ordenado. Pruebe que: a) a < ¿ = > a + c < b + c.
4 < 4
b) a - x < a — y= > x> y. c) Si a < 0 , entonces a x> a y< *x< y.
4 A
d) x + x + x + x - 0 « * x » 0 .
11.
Pruebe que si a e solución en C.
¡R, entonces la ecuación x2 = asiempre tiene
4 A
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Si z = 3 - - / y w = - 4 + 6¿ calcule 2 a)
z w = ^ 3 - ^ i j - (-4 + 6 /) = - 9 + 2 0 /
b) z - /» '= ^ 3 - - ^ /J - /{ - 4 + 6 /) = 9 + y / c)
W
, z w
(-4)^ +6J (-4)2+62 13 26 f , 1 .U - l 3 .) -15 4 . ^ 2 JU 3 26 ) 52 13
(j J L - iv w= W =-20-48/ vr
2. Sea D un dominio entero ordenado y sea b e Dial que b < 0. Pruebe que - b > 0. ¿ < 0 =>0 - Z>>0*»* - 6 > 0
f I jos ejerddos marrados ron un asterisco deben trabajar» en colaboración con los compañero» de dase. Se sugiere formar equipos de dos o tres estudiantes.
http://www.fullengineeringbook.net 381 of 461.
364 CAPÍTULO 6 Números complejos 1
Resuelva el sistema: z - w= i z + 2w = - 1 Si se multiplica por 2 la primera ecuación y se suma a la segunda ecuación se obtiene -1 2 3z = - 1 + 2¿ de donde z = — + - / . Al sustituir en la primera ecuación. ó ó .
z-w=!=>
. -1 3
2 . . -I 3 3
1. 3
w = z - / = * — + - / - / » -------- /
6.2 SOLUCIÓN DE ECUACIONES DE SEGUNDO GRADO EN C En esta parte se verá que toda ecuación de segundo grado con coeficientes complejos tiene solución en los complejos. Para ello, primero se probará que todo número complejo distinto de cero tiene dos raíces cuadradas. En el caso de los números reales, se sabe que todo real positivo atien e dos raíces cua dradas. una positiva y otra negativa, denotadas como v a y - V a . respectivamente. El cero tiene una raíz cuadrada real, pero los números negativos no tienen raíces cuadradas, es decir, si a e R y a < 0, no existe b e R tal que tí2 = a. Sin embargo, todo número complejo z * 0 tiene dos raíces cuadradas, denotadas como
J z y - J z . Aunque en este caso no se puede hablar de positivos o negativos, sino de un nú mero y su inverso aditivo. [Si z = 0. entonces ztiene una única raíz cuadrada compleja (0)1. Es posible enunciar lo anterior de la siguiente manera: TEOREMA 8
La ecuación x 2 = zsiem pre tiene solución en C. y si z # 0 hay dos soluciones distintas.
DEMOSTRACIÓN Si z = 0, es claro que x = Oes la única solución. Se supone que z = a + bi * 0. y se desea encontrar x = s + ti tal que x 2 = z es decir, tal que (s + ri)2 = a + bi De ahí que s2 - Z2 + 2s ti = a + bi. de donde s2 - t2 = a 2
s t= b
(1) (2)
Al elevar ambas ecuaciones al cuadrado, se obtiene s1* - 2S2/2 + t4 = a2 y A.S2I2 = tí2. Al sumar miembro a miembro estas igualdades, se obtiene: + 2s2t2 + t* = a2 + tí2, esto es. (s2 + Z2)2 = a2 + Z)2. Como a. b. s. Z € R , s 2 + z2 > 0 y a 2 + Z>2 > 0. se extrae raíz cuadrada y se obtiene
y + Z2 = va 2+ t í e R De la ecuación (1), s2 = z2 + a y sumando s2 en ambos miembros: 2
s I = s l + zI + a = V a J +A¡, + a
de donde
2 puesto que
■Ja2+ t í 2r Ja2 £ ± a y. por lo tanto,
IJtí~+tí + a
2
http://www.fullengineeringbook.net 382 of 461.
6.2 Solución de ecuaciones de segundo grado en C
De manera análoga. Z2 = s2 - a a 0
2t2 = s2 + r2 —a = sla1
-
365
a
tm ± J J 7 T F - .
2 V 2 Asi, se pueden considerar las siguientes posibilidades para s + tr. A > - \ 'Í I + f * a + \ ' Í I * * - ai
J T T tf-a .
ÍJ é
'V
+a
' i — 2—
1^3*+ti1- a ,
Jaf +t f - a, 4.
Por otra parte, de la ecuación (2). se deduce lo siguiente: Si b > 0. entonces s y t deben tener el mismo signo, por lo que las soluciones serán At y A<; si b < 0. entonces s y / deben tener signo diferente, por lo que las soluciones serán Ai y A*.
Si b = 0. entonces s = 0oz = 0;sís = 0, las soluciones son ±tt, y si t = 0. entonces las soluciones son ±s. Por lo tanto, la ecuación ¿ = z, z * 0 tiene exactamente dos soluciones en C. ■ En particular, los números reales considerados como complejos, cuya parte imaginaria es cero, tienen raíz cuadrada. Si el número es positivo o cero, ya se sabe cómo son dichas raíces. Si el número es negativo, se expresa en la forma a + 0 /co n a < 0, entonces J a 1+ t f = J í f = \a\ = - a , de ahí que
Y. por lo tanto, las soluciones son ± tí, es decir.
i»
i» ± v'-a i , esto es. J^a i y - \ - a i
Una notación que suele utilizarse para estos complejos es J a y - v a . cuando / se in terpreta como J - l . Las dos raíces cuadradas que se obtuvieron para un número complejo z distinto de oero difieren únicamente por el signo. Así que. como en el caso real, estas raíces se denotarán con J z y - J z , donde - fAt si Im{z) > 0 v \Af si 0 Se debe hacer notar que J ¿ no siempre es igual a z de hecho, se puede ver que z -z z -z
si si si si
/¡K z )> 0 RdA< 0 R(i¿) = 0 y lm(¿l > 0 Rc(¿) = 0 y 7m(z) < 0
Además, se tiene la siguiente proposición. http://www.fullengineeringbook.net 383 of 461.
366 CAPÍTULO 6 Números complejos
TEOREMA 9
1. Si z, w e C .entonces jz w ~ ± y ~ z jw } SI Si w * 0.
Lo anterior servirá para demostrar que toda ecuación de la forma
a*2 + bx + c = 0 con a. b. c e C. a * 0. tiene solución en C. En efecto, , b c r +- * = — a a
b
*+ 6 = -J * _ £ 2a IR ? a
=>
2aJ
V.
, b tf c b1 )C + - * + — r = — + — a 4a2 a 4a*
=»
4 a2
a
Ib2 - A a c
-b ± S t? -A a c x - ------------------2a
-b ± S ¡t -A a c
------------------- «e C.
=>
y y
x-
2a
-b -^ -A a c 2a
Algoritmo p ara encontrar las soluciones d e una ecuación d e segundo grado: ax2 + bx + c = 0 con a. b, c e C 1. Encuentre las ralees cuadradas de ó2 - Aac. sean r, y r2. 2
Calcule las soluciones x, = — 2a
y x. = -
2a
.
PROBLEMAS DE PRÁCTICA L
Verifique la proposición 9 cuando z = 8 - 6 / y w = - 3 + 4 i
2
Encuentre las soluciones de la ecuación: x 1 + >/3 ix - / = 0.
6 . 2 E JE R C IC IO S 1' 1. Obtenga las ralees cuadradas de
4 bhcuentre las soluciones de las ecuaciones: a) a2 - 3 * = - 1 + 3 /.
a) 7 + 24/.
d S i.
til ¿ + 3/*= 3 + í
d 24 - 7/ d)
d (z + / ) ( * - 3 - / ) = 2 2 - 3 z +( 1 - 3 /) .
1+/
£ Simplifique lo siguiente:
d ¿
a) (1 + j)4.
2
Pruebe la proposición 9.
d ( - r ‘.
2
Obtenga las soluciones de las siguientes ecuaciones:
d
a) ¿ + 2Zr+ 1 = 0. d (3 + / ) ^ + 1 0 * - ( 9 + 3/) - 0 . d -5 * 2 + 4 Í x - 1 = 0 .
vl +v9 (Considere S i = ~ - ¥ ~ 1 y solo una raíz de
1♦
Si).
http://www.fullengineeringbook.net 384 of 461.
6.3
Interpretación geométrica de los números complejos 367
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Verifique la proposición 9 cuando z - 8 - 6; y w = - 3 + 4¿ Se desea verificar que sfzw = ±( J z J w 'j . Primero se calcula z w - 50i Como Im{zw) > 0, se usa como sfzw a > /a * + 6 * +
2
a
\f d +t í .
+Y
2
donde a = 0 y ¿ = 5 0 , y so obtiene sfzw = 5 + 5 L Ahora se calculan f z y sfw . Como Im(4 < 0, se usa j / d + t í + a _ \4 d + tí - a . 2
V
2
con a = 8 y 6 = - 6 . y sustituyendo f z * 3 - i Como
V
A
f d + tí+ a
2
> 0. se emplea
1\ F d + t í - a
+Y
2
Al sustituir a = - 3 y b = 4. se obtiene v »v = 1 + 2 Si ahora se multiplican sfz y se obtiene £
vV = 5 + 5 / =
v'/rw.
Encuentre las soluciones de la ecuación: x2 + V3 ¿r - i = 0. Al usar las fórmulas del algoritmo para resolver ecuaciones de segundo grado, se tiene que a = 1 . 6 = v'3 i y c = - i . Se encuentran las ralees cuadradas de t í - 4a c = - 3 + 4/, que son /i = 1 + 2 / y rz = - 1 - 2 / Con base en lo anterior, las soluciones son -b+ r. ^
6 .3
^
r
- V 3/+ 1+ 2 / m—
—
1
2 -> /3
r
—
-6 + r.
-s ¡ 3 i-\-2 i
y y
-1
-2 -^ ,
=- t + —
íf
INTERPRETACIÓN GEOMÉTRICA DE LOS NÚMEROS COMPLEJOS Como cada número complejo queda determinado por sus partes real e imaginaria, y dos nú meros complejos son distintos si difieren en su parte real o en su parte imaginaria, cada número complejo a + b ise puede identificar con el punto (a, 6) del plano cartesiano. Así, es posible considerar que los números están dispuestos en el plano, de tal forma que es factible denotar cada punto (a, 6) del plano con el número complejo a + bi. Este plano se denomina p fen o « * n p * 4 °
El plano com plejo I-os puntos del eje horizontal (antes eje de las abscisas) son de la forma a + O/o (a, 0), y cada uno de estos no es más que el número real a. Por ello, este eje se llama efe real De manera análoga, los puntos de la forma 0 + b i - b i se encuentran en el eje vertical (antes eje de las ordenadas) y son números puramente imaginarios. Por esa razón, este eje se denomina eje
im a^nario
http://www.fullengineeringbook.net 385 of 461.
368 CAPÍTULO 6 Números complejos Si z = a + b ie s un número complejo de abscisa a y ordenada al origen b, como se mues tra en la figura 1. la magnitud del segmento de 0 a z e s v a ' +
DEFINICIÓN
.
Si z — a + b ie s un número complejo, el valor absoluto o m ódulo d e x e s su distancia al origen '¡a’ +b2 . y se denotará con | zj.
Por ejemplo, |3 + 4 /j = 5 ;
| i j = 1,
| —6 | = 6
Si z = a + 0;. entonces el módulo de z coincide con el valor absoluto de Re{z). es decir.
W= V? =14 TEOREMA 10
Sí z y wson números complejos, entonces 1. |z | a Oy |zj = O si y solo si z = 0.
* 1-4-14
a |z-z] = |z|M-
4
Sí iv=*0, entonces
& |/2e(z)| s |zj, \Im(z)\ =s |zj.5
La demostración de la proposición anterior queda como ejercicio para el lector.
DEFINICIÓN
■
Si z = a + b i es un número complejo, el conjugado de z es el número complejo a + { - f y i = a - bi. denotado con 2.
0 conjugado 2 de un número complejo z e s el simétrico de z respecto del eje real. También se dice que z es la reflexión sobre el eje real (véase la figura 2).
* I&H4Í y |//n(j)| denoranel valer absoluto de fe parte real y el valor absoluto de fe parte Imaginarla, respetivamente
http://www.fullengineeringbook.net 386 of 461.
6.3
TEOREMA 11
Interpretación geométrica de los números complejos 369
Si zy wson números complejos, entonces I.
z+ w= Z + w.
£
í1 *)=-<*).
a
zH v = 7 - w.
4 a
S iv* 0, entonces — u . / iv 7 = z.
a
Re(z) = —
, .
z+z
Z+Z
• M z) =
2/
La demostración queda como ejercicio para el lector.
■
Una Interpretación geométrica para la suma de números complejos es la siguiente. Si z = a + bi y iv = c + di son dos números complejos, los puntos o, z, w. z + w de coordenadas (0.0). (a. ¿>). ( c di y (a + c. b + di forman un paralelogramo.
Para demostrar lo anterior, basta con demostrar que las diagonales del cuadrilátero o, z, w, z + w sc intersecan en su punto medio, lo cual es muy sencillo, ya que los puntos medios de los segmentos que van de z a ivy de 0 a z + wson. en ambos casos. De la interpretación geométrica dada para la suma de dos números complejos, se deduce una propiedad importante: e l módulo de ¡a suma de dos números complejos es m enor o igual que la suma de los módulos de dichos complejos. Esto significa que \z +
TEOREMA 1 2
+ H
(i)
Si z y reson números complejos, entonces L ¿7 = |z f . * a
1*1- w . \z + wj s \z\ + |w|.
D E MOSTRACIÓN Aquí se probará únicamente el inciso 3; los demás quedan como ejercicio para el lector. Sin embargo, en la presente demostración se usarán los incisos 1 y 2 de esta proposición, asi como los incisos 1. 5 y 6 de la proposición 11. y el 5 de la proposición 10.
http://www.fullengineeringbook.net 387 of 461.
3 70 CAPÍTULO 6 Números complejos
|z + wj* = (z + w )(z + ve) = ( z +
w)(z+ w)
= z z + z - v é+ z- vv+ ve- ve
= | ^ + U- ü ) + ( * i ) + |w f = | ^ + 2/&Kz-Té)+|n|*
^
+ 2\Re{z- Üí|+|v4|2
4 f +2M + M > -M ’ + W
+ K
=N,+2WH+IH,=(N+H)7=* |z + w |^ (|zj-*-|m|) j =* |z + » |^ |^ + |w j , al obtener la raíz cuadrada del primero y último miembros de esta desigualdad.
■
Algoritmo para calcular el cociente de dos complejos S i * v e c C y w ^ O . se multiplican el numerador y el denominador por el conjugado del denominador, esto es. X _ Z - 1?
ve
EJEMPLO 1
El cociente de los complejos z = 1 + /y ve ■ Je s
-
DEFINICIÓN
z- w
ve- Té | üj*
H 7
¡7
'
'
‘
Sea z un número complejo distinto de cero. El a r g u n á n de z es el ángulo
Observe que si al ángulo «p se le suma 2ir o un múltiplo entero de 2ir. la posición gráfica del segmento de O a zn o cambia, es decir, el argumento de z no sería unlvaluado, y a que los ángu lo s^ + 2-irkcon k = . . . - 2 . - I . O, i, 2. ... representan gráficamente el mismo ángulo.
* Recuerde que los Angulas positivos se miden en el senada anahorario,
http://www.fullengineeringbook.net 388 of 461.
6.3 I nterpretación geométrica de los números complejos 3 71 Para volverlo univaluado, se acuerda escribir el argumento como un número entre 0 y 2-jt. Asi pues, si z y ivson números complejos tales que H = H y -4 ^ -4 = Aq£w) + 2irk con k e Z, entonces z = w. Por eso, para tener una única representación de un complejo en tér minos de su módulo y argumento, se considera que este sea mayor o igual a cero y menor que 2ir. SI se fija r > 0, solo existen dos números reales, r y - r, con valor absoluto r, pero hay una Infinidad de números complejos cuyo módulo es r, los cuales forman geométricamente una circunferencia con centro en 0 y radio r. Mientras que los números reales r y - rse distinguen por el signo, los puntos de la circunferencia se distinguen uno del otro por su argumento. El número complejo 0 es el único complejo que no tiene argumento, ya que su módulo es cero. I^os números reales positivos corresponden a los puntos del semieje real positivo, es decir, los puntos cuyo argumento es de la forma ip = 2irk. con k e Z. Los números reales negativos son los complejos de argumento de la forma ir + 2irk con k e Z. Los números imaginarios z
bi son los complejos de argumento
7T
+ 2ttásí b > 0. + 2irAsi b < 0. con ~2 k e Z . Con la convención señalada anteriormente, los números reales positivos tienen argu mento cero, los negativos tienen argumento ir. los complejos de la forma bi con b > 0 tienen argumento igual a ~ . y los de la forma bi con b < 0 tienen argumento Igual a
3n
T ' Mientras que el argumento en radianes de un número complejo se puede dar entre 0 y 2 ir. el mismo argumento en grados se da entre 0o y 360°. Hay una relación entre la medida en grados de un ángulo formado por dos rayos con vértice en el origen y la longitud de arco que estos determinan sobre la circunferencia unitaria con centro en el origea Esto se ilustra en la figura 5.
IJi longitud de la circunferencia de radio 1 es 2ir\ por lo tanto, la longitud de un arco 2rt sobre esta, correspondiente a un Angulo de un grado, es -----. Luego, si el argumento de j DU un complejo medido en grados es ip y la longitud del arco correspondiente es s. la relación entre y s será 2ir
ir
http://www.fullengineeringbook.net 389 of 461.
372
CAPÍTULO 6 Números complejos
EJEMPLO 2
Si el argumento de un complejo ¿res de 60®, su argumento en radianes es
60-— - — 180
Si el argumento de z es de — 4
3
radianes, entonces su argumento en grados es de
(?)(?> 225°. En lo sucesivo, se expresará el argumento de un número complejo en grados o radianes indistintamente.
PROBLEMAS DE PRÁCTICA L
Encuentre el argumento y el módulo de los siguientes complejos. 3) z = - 4 i. b) iv = - 4 - 4 > / 3 ¿
2. Determine el lugar geométrico de los números complejos z tales que //7?
|
> ~l
y/feC*&-5.
6 .3 EJERC IC IO S* 1. Explique en qué casos se cumple la Igualdad en la expresión (1) de esta sección 2. Especifique qué hecho geométrico se utiliza para deducir la des Igualdad en (1).
ft SI z y w son números complejos tales que 71»' * 1. y |z| - 1 I w¡ o M = 1. pruebe que | y - ^ j = I. 1Q Describa geométricamente los siguientes conjuntos: ái {z* C| /o iU -3 ) =0}. ti, {zm C| /ni¿, * 1). c) {z« C| Initi, - 1).
3. Demuestre la proposición 10. 4. ¿Cuál es la posición relativa de los puntos z - a + b í y w = b + a fí i
d) { 2 « C ||2 - I |> 1 ) . e) {ze C| lar2! = 4).
¿Qué representa geométricamente cada una de las siguientes proposiciones? 11. 4 W - 1. 4 W <». 4 M> L
a
4 |2 - 1| - 3. ti, \z — 1| > 3. O 2 - 1| < 3.
Demuestre la proposición 11.
7. Demuestre los incisos 1 y 2 de la proposición 12. &
Encada uno de los siguientes lndsos. determine el lugar geomé trico de los puntas ¿que cumplen lo siguiente:
Pruebe que si z y tvson números complejos, entonces \z - w| s M -M
* e)
^ - 2 . ^ | z - 4 / | + |z + 4 / 1 - 10.
/) | z - l | - | z + / | .
http://www.fullengineeringbook.net 390 of 461.
6.4
Representación polar 373
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Primero se encuentra el módulo, para luego determinar el argumento, a)
= De aquí que cos(
/3jj - J í- á Y + í- A S ) 1 = 716+16(3) = Vi 6(4)
ó) Por lo tanto.
< p = - y . 2. Si z = a + Ai. entonces z-/
í =
a + (¿ -l)/
i
a+ (Z > -l)/_ [ a + ( ¿ - !)/](-!)
~
i
~
( 6 - l ) - a / = > Im
i{-D
(¥ > -
Por consiguiente, > - 2 y Re{z) s - 5 « * - 5 s a < 2 , Por lo tanto, el lugar geométrico es la región comprendida entre las rectas x = - 5 y x = 2, Incluyendo la primera.
6 .4
REPRESENTACIÓN POLAR A partir de la interpretación de un número complejo como un punto en el plano, es posible representar estos números en una forma distinta Sea z = a + b i un número complejo cuyo módulo es distinto de cero y su argumento es
A partir de la figura anterior se sabe que a = | z\ eos
DEFINICIÓN
Ija expresión (1) se llama
|z|(cas
(1)
reprwtntaddn polar trigonométrica
Asi. en la representación z = iieos
http://www.fullengineeringbook.net 391 of 461.
374
CAPÍTULO 6 Números complejos y b = |zj sen
analizando en qué cuadrante se ubica el punto z Por ejemplo, si z = - 5 + 5/. se tiene a - - 5 y A = 5; entonces. 14 = J i - S ) 1 + 5J = v50 = 5\¡2 y tan(
»
tí
3ir
r r T
7r
„
0 *=2," 7
Jv_ A
Como z está en el segundo cuadrante, resulta que
por lo tanto.
z= 5 v 2 ^ c o s ^ + /s e n ^ j. En muchas ocasiones en conveniente escribir cos(a) + /se n (a ) = r?to. Con esta nota ción es posible expresar cualquier número complejo z e n la forma z = ¡Va . donde r = \z\ y 0 = A r g d . La expresión é'*t =
(2 )
cos(a) + i sen(a)
se conoce como fórm ula d e E u ler
TEOREMA
13
Sean z y wdos números complejos expresados en forma polar z = |z|(cos tp + /sen
Si si
° * ( 9 + 0 ) < 2* 2ir£{
DEMOSTRACIÓN El producto de los dos números z y wes z* w = |z|M ({coS (pcos0 - sen?>sen0) + /(sen sen0))
(3)
Y a partir de las siguientes identidades trigonométricas para la suma de ángulos eos (9 + 0) = eos
eos 0 - sen
sen 0
sen( c o s0 + c o s< p sen d se obtiene que el producto de z y wes zw = |zj • |wj(cos(«p + 0) + / sen{^> + 0)). Por la pro posición ( 10 ), se sabe que |z • w\ = |zj|tr|, de ahí que esta es la representación polar del com plejo z ■w y Arg(z • W¡ = Arg($ + Aq^w), considerando que 0 £ Aig(d + Aq&\¿\ < 2ir; de otra forma, como 0 s Arg{¿> < 2 n y 0 s Arg{w) < 2-tr puede suceder que 2tr s A rffú + Aig(u) < 47t, en cuyo caso. A r£z- w) =
http://www.fullengineeringbook.net 392 of 461.
6.4 Representación polar 375
Como se observa, la multiplicación de números complejos está relacionada con las ro taciones del plano. Esto es, si se considera el segmento que une el origen con el punto z, la longitud de ese segmento será \z\, y si ives un punto tal que | w\ = l, entonces, al multiplicar z por w. el vector ¿gira un ángulo igual a 0 = A r £ Si | w\ * 1. la longitud del vector ¿deberá multiplicarse por | w\ una vez efectuada la rotación (véase la figura 2). Por ejemplo.
Al n u ití|£ c ir p o r
S ow d r b ó ^ a n rfp :
w\ - l Se realiza un giro de 90* en el sentido antihnrario, w * "-/
Se realiza un giro de 90* enel sentido horario.
Wi ** I + ISe realiza un giro de 45“ en el sentido antihorario, y el módulo del multiplica por -J2 . Wi = 1 —i
vector se
Se realiza un giro de 45° en el sentido horario, y el módulo del vector se multiplica por - J i .
TEOREMA 14
Si / = |z](costo) + /sen to )), w = |wj(cos(0) + /sen(0))f w Z
I7
0. entonces
— = j— (cas(^> - 0) + /s e n to - <#); es decir, al dividir dos complejos, los módulos w | v» se dividen y los argumentos se restan.
http://www.fullengineeringbook.net 393 of 461.
376
CAPÍTULO 6 Números complejos ys
DEMOSTRACIÓN Se supone que — =
k **
+ /s e n t¡/). Entonces, z = w • v.
] k|( cos
De acuerdo con la proposición 13, w • v tiene como módulo | w\ • | k|. y como argumento 0 +
Luego, | iv| | kJ = \ z \ y O + i f / a
tji =
j (cos(
Algoritmo para calcular — y expresarlo en la form a polar W •
Se escriben z y leen forma polar. z = |.zj(cas($>) + /sen fa)), w = | »v|(cos(0) + /sen(0)), con O S f K
•
li Se calculan f-r y a -
•
Se obtiene — en la forma polar:
—= ü
2w\
(eos (a) + / sen(o)), si 0 S a < 2ir.
H
w
i . J i
»v H (cos(a + 2-jt) +
/ sen(a + 2ir)), si - 2 i r :S a < 0.
A partir de lo anterior, se concluye la siguiente proposición. Si 2 = |¿ )(c o s? + /se n
TEOREMA 1 5
PROBLEMAS DE PRÁCTICA i.
Exprese en la forma polar el complejo z = 16 - 16/
& Escriba tu sa n d o la fórmula de Eulcr y obtenga z ~ x. a
6 . 4
Escriba al complejo w= 1
W
t
W
t
J
en la forma a + bí.
E JE R C IC IO S 1
1. Encuentre el argumento de Ice siguientes números:
£
Represente en forma polar los siguientes números complejos.
di 5.
di -4.
¿» - / . 0 -1 - / . di 1+ 3/ .
tí) -6/.
^ -2 4 1+A/S'
d) J 3 - / . e) 1 + eos a + /sen a.
f)
f) l Ó -2 -1
o i2- # 2/ .
*
http://www.fullengineeringbook.net 394 of 461.
■
6.5 Ralees n-éslmas de números complejos 377 a
Demuestre la proposición 15.
S. Sean
4 Aplique la forma polar para demostrar que
V
■Ji J i —---- . Encuentre el pro
2
2
ducto zxzl utilizando el método gráfico.
/(l-/V 3)(v/3+/) = 2 + Cv',3
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA 1. Si z = 16 - 16;, entonces se trata de un complejo que corresponde a un vector que se ubica en el cuarto cuadrante. Como |^ = v/(16)* +(-16)* = ^2(16)* = 16^ 2 , entonces
2=167Ib r 7 ? ' ) ’
por lo que si 0 =
se tiene que eos 0
1 ü
y
Por lo tanto,
/2*] . 2 . De acuerdo con la fórmula de Euler, jr=18>/2e * ' y * ' ° 16 2 g
6 .5
• 6510 eS’
RAÍCES A/-ÉSIMAS DE NÚMEROS COMPLEJOS Sean z = eos 0 + / sen 9 y w = eos )) se puede escribir como z 1 = |z |2(cos(20) + / sen(20))
Fórm ula de De M oivre El resultado anterior puede generalizarse por inducción de la siguiente forma.
T E O R E M A 16
SI z = |z|(cos0 + /sen 0). entonces z" = IzJ^cos nO + /sen nO), para toda ns¡ N.
DEMOSTRACIÓN Si n = 1. z = |z|(cos{0) + ;sen(0)). Por lo tanto. z x = | ^-|1(cos( 1€#) + ;sen(10)) Se supone válida la expresión cuando n ® k. para una k 2: 1. es decir. z k = Izl^cosíM ) + /sen(Á0))
http://www.fullengineeringbook.net 395 of 461.
378
CAPÍTULO 6 Números complejos Para z i ' s e tiene lo siguiente: zk+l = 2*zl = (¡^(cosí*©) + /sen(¿0)))(|z|(cos(0) + i sen(©))) = l a j é e o s (A© + 0) + /sen(A© + 0)) = \4*t l (co s((* + 1)9) + /s e n ((¿ + 1)9)) Luego, por el principio de inducción. z" = |¿ f (cas(n0) + i sen(/©)), para toda n e N. Al sustituir zp o r |z|(cos{0) + / sen(0)). se obtiene |zj((cos(0) + i sen(0)))n = \dp (cos(/ j0) + i sen(n©))
(1)
La expresión (1) se conoce como la fórmula d e De Moivre. en honor de Abraham De Moivre. ■ En particular, sí \z\ = 1, se tiene (eos (0) + j'sen(0))” = (eos (n0) + /sen(n©))
(2)
para toda n e M , que se puede generalizar de la siguiente forma. TEOREMA 1 7
Teorema de De Moivre. Para toda n e Z. (cas(0) + /scn(0))a = (cos(/ j©) + /scn(n©))
DEMOSTRACIÓN Falta probar la proposición para los negativos y para cero. A continua ción se probará que (cos(0) + i sen(0))
= (cas(-/j0) + /s e n (-/© ))
para toda n e N. Si z = (cos(0) + i sen(0)) es un complejo de módulo 1. entonces, de acuerdo con la proposición 15. se tiene (cos(0) + /sen (0 ))_I = c a s(-0 ) + /s e n ( - 0 ) Por lo tanto. z~° = (z ~ l)n = |c o s (-0 ) + /s e n ( - 0 ) ) fl = eos{-/© ) + /se n (-n 0 ). Así se ha demostrado el teorema de De Moivre para exponentes negativos. Falta probar que sea válido para n = 0. Como (cos(0) + / sen(0))® = l y 1 = cos(0) + /sen(0) = cos(0 • 0) + /se n (0 • 0) se tiene también este caso. Por lo tanto, e l teorema de De Moivre es válido para todo exponente entero
■
Una aplicación útil del teorema de De Moivre es cuando se usa como artificio para ob tener fórmulas trigonométricas de múltiplos de ángulos.
EJEMPLO
1
Encuentre sen 50 y eos 50.
Si n = 5 en (2). resulta (eos 0 + / sen 0)5 = eos 50 + i sen 50. Por otra parte, por el teorema del binomio7 se obtiene, (cos(0) + i sen(0))5 = eos5 0 + 5 eos4 0 (/ sen 0) + 10 eos3 0 ( / sen 0)2 + + 10 eos2 ( i sen 0)3 + 5 eo s0 [ i sen 0)* + (/ sen 0)5 Si recordamos que para n e N U {0}: i, /*«*» = /, p n*2 = - i. i 4”*3 = — i tenemos lo siguiente: cos50 + 5i eos4© sen 0 - 1 0 cos30 sen20 - 10/ cos20 sen30 + 5 cos0 sen40 + i sen50 = (coss0 - 10 eos30 sen2© + 5 eos 0 sen 40 + sen5©) + ( 5 eos4©sen 0 - 10eos2©sen3© + sen5©)/'» e o s 50 + /se n 50 b)' - a5 + 5 a*b+ 1 0 « V + 10 tftt+ to lt + ¿A
http://www.fullengineeringbook.net 396 of 461.
6.5
Ralees n-éslmas de números complejos 379
Como dos complejos son iguales si y solo si sus paites reales son iguales y sus partes imaginarias también lo son. se obtiene: sen 56» = 5 eos4# sen 0 - lO cos2# sen3# + sen5# eos 5# = eos5 - 10 eos3# sen2# + 5 eos # sen4# + sen5#
R aíces n-ésim as de un núm ero com plejo Como recordará, en los reales una raíz /w sim a de a, donde n e N, es un número real b tal que la P ésim a potencia de b es igual a a. Por ejemplo. 3 es una raíz cuarta de 81. puesto que 3 4es igual a 81. De manera similar, en los complejos, una raíz n-ésima de ¿ e s un complejo w tal que la /Híslma potencia de w es igual a z, lo cual se expresa como f z = B '» W" - Z
DEFINICIÓN
Si z y w son números complejos y n e N. diremos que w es una raíz /résim a de z si w ° = z.
Si z es un complejo distinto de cero. ^'|zj denota la raíz /r-ésima real positiva de |zj. y ¡fz denota una raíz p ésim a de z. Como
[Y*T £
yfz Z - es una raíz />ésima de — . Por lo tanto. m H
UhJ h*
fz
M
j. Entonces, el problema de encontrar
es decir, cada raíz /nSsima de zes de la forma
las raíces /w sim as de z s e reduce a encontrar las raíces P ésim as de
. que es un complejo M
de módulo 1.
TEOREMA 18
Dado z = eos # + i sen #. existen exactamente n números complejos distintos que son raíces /?-ésimas de z. Estas raíces están dadas por la fórmula ( 0 + 2 ir k \ /sen ^ con k = 0. 1.......n - l .
DEMOSTRACIÓN Se usará la notación ^ z = z" .Así, si z = c o s # + /s e n # y w = cos>p + i / sen i/r son tales que zr = w. entonces (co s# + /se n # )* = c o s ^ + /s e n y Luego. (eos iff + / sen ifi)n = eos # + /se n 0
http://www.fullengineeringbook.net 397 of 461.
(3)
380 CAPÍTULO 6 Números complejos De acuerdo con el teorema de De Moivre, eos ruj/ + i sen rnji = eos ifi + /se n 9 Por la definición de igualdad de complejos, tenemos que eos nfi = cas 9 sen nt¡i = sen 9 Por lo tanto, n h = 0 + 2irk. para alguna k e Z , lo cual implica que 0+ 2 irk y/ = ---------- ,
. l ir para alguna k e Z
De esta manera, al sustituir en la expresión (3). se obtiene z Í 0 + 2 ir k ] ( o + 2 -nk (c o s 0 + /s e n 0 )a =cosl ■H-rsen V. n )
(4)
Ahora se verá que si ¿tom a los valores 0. 1. 2......n - 1. se obtienen n raíces /HÍsimas diferentes del complejo z, y que estas son todas, es decir, que para cualquier otro valor de k se obtiene una de estas ralees. Sean k\ y kz dos valores distintos entre 0 y n - 1. Si se supone que k\ < k¿, entonces 0 ^ k\ < Á* < n. Por lo tanto, 0 S 2irk\ < 2irk2 < 2irn y 9 < 0 + 2irk\ < 9 + 2nkz < 9
.o
r>
ut
n .0^0+2wi,
9 + 2 -n k ^
9
-
, . 0+2 irk .
9 + 2 -n l^
+ 2irn De ahí que 0 £ —< ---------- - < ----------- < —+277, es decir, -------- — y --------- n n n n n n difieren en menos de 2ir. Por consiguiente, su seno o su coseno difieren.8 Por otra p ite , si k es un entero, por el algoritmo de la división, existen s y renteros tales que k = sn + r.
donde
0sr< fl
Entonces. '0 + 2 i r ¿ j 0 + 2 tt¿ j+ /s e n | n
= cos|
= cosj
= cos|
^ 0 + 2 7 r(sn + r) j
+ /s e n |
^ 0 + 2 ir(s 7 ? + r) j
+ /s e n |
p v - 'l
De aquí que baste tomar valores entre 0 y n - 1 para k. Como las n raíces tienen módulo 1. tales raíces están situadas sobre la circunferencia de radio 1. Además, sus argumentos difieren por múltiplos de — , de manera que, geomótrican mente, estas raíces son los vértices de un polígono regular de n lados inscrito en la circunfe rencia de radio 1.
* Recuerde (fie dos U ngjlos 0 <
a. 0 < 2 ir tales que eos a - eos p ysen a *» sen 0, necesariamente snn Iguales
http://www.fullengineeringbook.net 398 of 461.
6.5 Ralees n-éslmas de números complejos 381
Algoritmo para obtener las raíces rw slm as d e /
0 con n
f
N
Se escribe z e n forma polar z = | zj(cos 0 + i sen 0), con 0 S 0 < 2 ir.
L
2L Se calculan $14 y - . n
3L Se obtiene % =^[¿j^cas—■ + / s e n - j ; y para 1
k £ n -
1. si ya se tiene
w¡¡ = v) 4 (eos a t + /se n a t), se obtiene
w,
EJEMPLO 2
Encuentre las raíces cúbicas de 1. 1 = eos 0 + / sen 0
De acuerdo con la proposición anterior. ( 0 + 2 ir k \ ( 0+ 2irk j (eos 0 + /sen 0)s =cosj^ + rsen con k = 0, 1.2 Entonces, llamando /ti. r¡, r2 a las raíces se tiene: r„ = cos (~"3"~) + (
0+2ir V . 0+4i 1
V
3
i
2tt ,
(0 + 2 ir \
j+/**(—
' mco\ — eos
c o s 0 + /s e n 0 * l
j-
f0 + 4 rr ^
r n T '
4 tr
2 tt
1 ,>/§
4 ir
1
.\'3
3
2
2
T ~ 2 +' T
eo s— + /s e n — = - - - / — 3
Usando la interpretación geométrica de los complejos, observamos que las raíces cúbicas de 1 se representan como tres puntos sobre la circunferencia unitaria, cuyos argumentos son .
2 ir
4 tt
0. — y — , respectivamente, o *3
Los puntos /"o T| y r2 son los vértices de un triángulo equilátero.
http://www.fullengineeringbook.net 399 of 461.
38 2
CAPÍTULO 6 Números complejos
E JE M P L O 3
Encuentre las cinco ralees quintas de ;? = 8 ^ c o s y + /s e n ^ -j.
Sean w = — y
r ‘, r¿.
8
r i las raíces quintas de w. Entonces.
j + 2ir(0) í = cos
+ /sen
7T TT eos— + ;se n —
20
20
~ + 2 w (I)
jt2 ir(I) r, = eos
cos^+ zsen^
+ /sen
20
j + 2 W{2)
q = cos
+ /sen
17tt . 17ir eos------+ rs e n ------
+ / sen
25 w , 25 tt eos-— + /s e n ——
20
y+2ir(3) r, « eo s
j+2^(4)
20
20
20
20
Í j + 2 W(4) 33w . 3Stt 1+ /s e n l— = eos—— + /se n —— 20 20
r, = eos Las ralees de z son: *
V üfcos— + /se n — ) ( 20 20)
r = V§ícos— + /sen— ) v
s fx (
20
1 7 it
í = V8^cos—
20 J
,
I 7 ir ^
+ /s e n —
j
q = V § íc o s ^ + / s e n ^ l V
sf= (
20 )
20
33 ir
.
33^
r, = V8 eos—— + /s e n ——
V
20
20 )
Las ralees quintas de z - 8 ^ c o s ^ + / s e n ^ j se representan como puntos sobre la circuntt 97t 177t 25 tt 33ít ferenda de radio $/8 con argumentos — . — , —— . — — y ------.respectivamente. 20 ~2Ó' 20 20 20 1 20
20'
15"' 1Ó* y 15"
Los puntos n¡, r lt r¿, n y r 4 son los vértices de un pentágono regular.
PROBLEMA DE PRÁCTICA L
Sea z - \> ¡ 2 + ( 4 \ 1 ) / . a) Encuentre la representación polar de z fy Encuentre las cinco ralees quintas de z
http://www.fullengineeringbook.net 400 of 461.
6.5 Ralees n-éslmas de números complejos 383
6 . 5 EJER C IC IO S * 1.
Utilice el teorema de De Molvre para probar que
Sea £ definida como en el problema 3. Pruebe que para I
a) cos(20) - 006*0 - sen2®. b) sen{20) = 2sen(0)cos(0).
y
Utilice el teorema de De Molvre con la finalidad de obtener expresiones para eos 40 y sen 6®en términos de cos0ysen®.
Pruebe lo siguiente:
3.
Calcule las ralees sextas de 1 y - 1. Exprese las soluciones en la forma a+ bíy represéntelas gráficamente.
Q a tg l-
4
Obtenga todas las soluciones de las siguientes ecuaciones: a) ¿ » 3 - AL
2.
b ) 2*
—1 -
U
él ¿? = 1 + / d> é = i. 5.
e
N.
! + * * + * “ + • • • + f l”~m = 0. si n no divide a k. 1+ + ••• + í 1"*1’1 = a si «divide a k.
a) arg(z) = -arg(z). (mod 2w). = arg(z) - arg(»). (mod 2w).
&
Pruebe que el máximo valor del módulo de z1 + 1 sobre el circulo unitario { z e C| |z| £ 1} es 2.
ft
Encuentre las cuatro rafees de la ecuación x* + 4 - 0. Utilice este resultado para factorizar z* + 4 como (z* + 2z + 2)(z* 2z + 2).
10l Simplifique las siguientes expresiones:
Sea n e V Defina
a) (1 ± / ) 16 1+/ (l-J)’
É = cos¡
(v K ? )
T
a) Pruebe que z - 1. z = f. z * f *......z - f"-1 son todas las soluciones distintas de la ecuación 7? - I. b) Pruebe que si z - n es una solución de z" = w. enton oes todas las otras soluciones son de la forma n • f '. donde J - 1.2..... n - l.
Ó l(l-4 5 /)(5 + 3 /|J
|(6 + 7/)(4-2/)||-----l_ j | 4+27 II 7+6/|
SOLUCIÓN AL PROBLEMA DE PRÁCTICA 1. S e a z = 4 > / 2 + ( 4 j 2 ) / . а) z se puede rescribir como z= 4 v 2 ( l + / ) . El complejo v = 1 + / s e representa en forma polar como / 2 |c o s j + / s e n ^ j . ya que su módulo es -¡2 y su argumen to es — . el ángulo cuya tangente es 1. En consecuencia, z= 4 v'7(1 + j) = 4 v'2 v'2 4 |c a s ^ + / s e n ^ j = 8 ^ c o s ^ + / s e n ^ j . Por lo tanto, el módulo de z e s 8 y su argu mento es —. 4 б) Sean w= — y r¿, rj, rj, rj.
8
las ralees quintas de iv. Entonces,
^■+2 tt(0)
ir
/r = c c
r 2ir(1)
T+M D + /sen 4_______
-j + 2 tt(2) ct =cos
+ /sen
ir
eos— +7 sen — 20 20
+ ¿sen
9ír 9 ir eo s— •+ /se n —
20
20
17tt . I7rr eos------+ /s e n ------
http://www.fullengineeringbook.net 401 of 461.
20
20
384
CAPÍTULO 6 Números complejos
y + 2 » (3 )
A =COS
+ /sen 4______
r. = c
+ /sen.
y + 27T(4)
2 5 ir
.
2 5 ir
= eos------+ /s e n ------
20
33 tt
20
.
33 tt
= eo s------+ /s e n ------
20
20
I.as ralees quintas de zson: r0 - ^ Í c o s ^ + Z s e n — ) V 20 20; r = n/8 Í cos^ + / s e n ^ l V 20 20) I7ír + /s , e n —— r2 = vi f8s l( eos——
V
20
20 )
.r0 ( 25 ir . 25^ rs = v 8 eos—— + /se n ——
1
v
20
20 J
./rf 337T 33íT ^ r , = « 8 eos------+ /s e n ------
4
l
20
20
J
6.6 LOS NÚMEROS COMPLEJOS EN LA FACTORIZACIÓN DE POLINOMIOS A continuación se presentan algunos resultados importantes que son de gran utilidad en la fadorizadón de polinomios y. por ende, en la soludón de ecuadones planteadas en los en teros. racionales, reales o complejos. Se considera que el lector está familiarizado con los polinomios; sin embargo, para estar en contexto y tener presente la notación que se usará, partiremos de la definición de polinomio.
DEFINICIÓN
Sea D un dominio entero. Un polinomio con coefidentes en D e s una expresión del tipo /( a) = + a \x + + ••• + anx" donde a0. a x. a 2.......aa e D son los coeficientes, y n e N U {0}.
Cuando todos los coeficientes son cero, se dice que f(x) es el polinomio cero y se escribe
/ ( a) = 0. En caso contrario, esto es, si hay al menos un coeficiente distinto de cero, y n es el exponente más grande tal que a„ * 0. entonces se dice que f(x) es un polinomio de grado n, y se denota como g r { / “( a)) = n El término de mayor grado con coefidente distinto de cero. anx'1. se denomina término principal y el coefidente de este término, a» es el coefíciente principalde\ polinomio. Consideremos que los conjuntos Z. Q. R y C son dominios enteros.
DEFINICIÓN
Sea f{x) = + axx + a¿ a2 + ••• + a ^ u n polinomio con coefidentes en C y a c C . a e s una raíz de /\x) si f{a) = + axa + a#*2 + ••• + a„an = 0.
Como Z c Q c R c C . cualquier polinomio con coefidentes en alguno de estos conjuntos se puede considerar como un polinomio con coeficientes en los complejos.
http://www.fullengineeringbook.net 402 of 461.
6.6 Los números complejos en la factorlzaclón de polinomios 385
EJEMPLO 1
Sean f(x)
=
2a*5 -
13a2 +
26* - 10 y a
=3+i
entonces
A3 + 0 = 2(3 + i)3 - 13{3 + l)2 + 26(3 + i) - 10 = 2(18 + 26f) - 13(8 + 6;) + 26(3 + /) - 10 = 0 Al igual que sucede con el conjunto de los números enteros, es posible dividir cualquier par de polinomios, siempre y cuando el divisor sea distinto de cero: de esta forma, se obtiene un cociente y un residuo únicos si se satisfacen ciertas propiedades. A este resultado se le cono ce como el algoritmo de ¡a división para polinom ios el cual se enuncia a continuación.
Algoritmo d e la división Si /( a) y ¿ ( a) son dos polinomios con coeficientes en un campo K tales que ¿ ( a) 0. entonces existen dos polinomios únicos q(x) y tix) con coeficientes en el mismo cam po K tales que: L
/T(a) = ^ a)
Z
c (a)
= 0 o gririxi) < grig{. a)).
H polinomio
(a) es el cociente, y rix) el residuo.
O b s e r v ac i ó n Hay dos casos en los que es posible encontrar el cociente y el residuo de inmediato: estos son: i.
Cuando
/ ( a) = 0; al tomar q(x) = 0 y /-(a) = 0 se cumplen las condiciones.
li. Cuando g ri /( a)) < grigi a)); al tomar q{x) = 0 y / t d = f\x) se cumplen las condiciones. Para el caso en el que gr{ f{x)) a grigii!)), se aplica el siguiente algoritmo.
Algoritmo para obtener el cociente y el residuo al dividir d o s polinom ios distintos d e cero Sean f[x) = ao + a¡x+ a^A2 + + a¿cny g{x) = bo + b\X+ b^x1 + ••• + b^x™con a„ *= 0 y bm * 0. Para encontrar el cociente q(x) y el residuo rix) de /\x) entre g(x): 1. Se colocan los polinomios con los términos en orden decreciente de grado, como se muestra a continuación: bmxm + bm- iat®-1 + ••• + b \x + b o \a 0 xn + a*- ix°~ l + ■•• + a x + ao
Se considera originalmente $ ( a) = 0 . 2. Se dividen los términos principales de los polinomios
3l Se multiplica el divisor g(x) por el monomio c(a) obtenido en el paso 2 y se encuen tra la diferencia f(x) - gix)c{x) = f M 4 Si g ri
(a)) < grigittj), entonces rix) = /i(x) y
y aquí termina la división. & Si gri / ,( a)) & grigix)). entonces la suma q¡(x) + d x) se considera como $ ( a) y se repiten los pasos del 2 al 4 tomando como el polinomio /Ta) al polinomio / i (a).
http://www.fullengineeringbook.net 403 of 461.
386 CAPÍTULO 6 Números complejos
EJEM PLO
2
Sean A a) = 6 a3 - 13a2 + 26 a - 10 y g ( x ) = 3a2 - 6 a + 5. entonces
*4 3a1 - 6A+516A9 - 13a1 + 26 a - 10 - 6 a*+ 1 2 a* - 1 0 a - a2 + 16a - 1 0 a*
- 2 a+ -
"Üs
14 a - — 3
Esto es,
7 (a) ■ 2 a - -
y /< a) = 1 4 a - — .
Los siguientes teoremas son herramientas de gran utilidad para detectar que un número es raíz de un polinomio. T E O R E M A 19
Teorema del residuo Sea Aa) = ao + 3 ia + a ^ + ••• + aax° un polinomio con coeficientes en C. y sea a e C. Entonces, el residuo que se obtiene luego de dividir /( a) entre el polinomio a - a es f ( a ) .
TEOREMA 20
Teorema del factor Sea /\ a) = ao + a + a ^ x 1 + ••• + a*r° un polinomio con coeficientes en C. y sea a e C. Entonces, a es una raíz de Aa) si y solo si a - a divide a A*), es decir, el resi duo que se obtiene luego de dividir A» entre a - a es cero, esto es. A*) = (* - a)£t*), con un polinomio con coeficientes en C.
Los siguientes ejemplos ilustran estos resultados. EJEMPLO 3
Sean A a) = 3 a2 - 2a + (I + i) y a = /, entonces 3a + ( - 2 + 3/) a
- ¿(S*2 - 2a + (1 + i) - 3 a2 + 3be ( - 2 + 3/) a + (1 + /) - ( - 2 + 3 t)a + ( - 3 - 2 / )
-2 - i De ahí que A a) = - 2 - i. Por otro lado. AA = 3Z2 - 21 + (1 + /) = - 3 - 21 + (1 + /) = - 2 - / = A a). EJEMPLO 4
Sean A a) = a3 - 5a2 +
a-
5 y a = - i . entonces
* - / ) « ( —i ) * - 5 ( - J j * + (—/ ) _ 5 “ i — 5 (—1) + ( - i ) — 5 = í + 5 - i - 5 = 0 por lo que - / es raíz de A a). Por otra parte, se puede ver que A a) = (a - (—/))( a* - (5 + í)x + 5/) = (a + /H a2 - ( 5 + J)a + 5/)
http://www.fullengineeringbook.net 404 of 461.
6.6 Los números complejos en la factorlzaclón de polinomios 387 Hay un teorema que permite asegurar que todo polinomio con coeficientes en los com plejos tiene todas sus ralees en los complejos; por lo tanto, toda ecuación con coeficientes complejos, de cualquier grado y con una incógnita, tiene sus soluciones en C. En particu lar. esto se aplica para todos los polinomios o las ecuaciones con una incógnita que tienen coeficientes enteros, racionales o reales. Este teorema, por su importancia, se conoce como el teorema fundamental del álgebra y su enunciado se presenta a continuación.
TEOREMA 21
Teorema fundamental del álgebra Todo polinomio /( a) =* ao + a \x + a**2 + ••• + a„*° con coeficientes en los números complejos con n & 1 tiene al menos una raíz en los números complejos.
TEOREMA 22
Todo polinomio A*) = * + a\x +
+ ••• + aDx a con coeficientes en los números complejos con n a: 1 se escribe en la forma A-d = A * - «*|)(* - a fi ... (* - a„), con c y O/E C V /a 1.......n. donde c <*= a„ es el coeficiente principal de f(x) •
E J E M P L O 5 Sea f{x) = 2 a3 - 13a2 + 26* - 10. Como 3 + / es una raíz, entonces * - (3 + i) debe dividir a f(x). Si se realiza la divisióa se obtiene 2a 3-1 3 * * + 2 6 * -1 0 = 2** + ( - 7 + 2 i ) * + 3 - / * -3 - i Al resolver la ecuación de segundo grado 2a2 + ( - 7 + 2i) x + (3 - 1) = 0. se encuen-
EJEMPLO 6
A ^ » ^ + 2 * * - 8 = ( * - > /2 ) ( * + > /¡ ¡ 0 ( * - 2 4 ( * + 2 /)
Un último resultado que resulta de gran utilidad en la factorizadón de polinomios con coefi cientes reales se menciona a continuación y se ilustra con algunos ejemplos.
TEOREMA 23
Todo polinomio A*) = ¿o + a\x + a^ x2 + ••• + a ^a " con coeficientes en los números reales tiene la propiedad de que si un número complejo z e s raíz, entonces z también es raíz.
E J E M P L O 7 Factorice los siguientes polinomios en la forma que indica la proposición 22 usando la información que se proporciona. i. ii.
f{x) = 2 x i — 13a2 + 26* - 10 si se sabe que (3 + J) es una raíz.
■ At3 + 7ac* + 17* - 25 si se sabe que (4 + 31) es una raíz.
SOLUCIÓN i.
Como (3 + i) es una raíz de A*), entonces (3+/) también es una raíz de f(x). de ahí que tanto x - (3 + f), com o x — (3 — f) deben dividir a A*)- Al efectuar las divisiones se obtiene: 2 **-13**+ 2 6 * —10 = 2 a2 + ( - 7 + 2 /) * + 3 - / * - ( 3 + /)
http://www.fullengineeringbook.net 405 of 461.
388 CAPÍTULO 6 Números complejos
y 2xI + {-7 + 2 ¡)x+ 3 - / x - ( 3 - /) y como 2 at—1= 0 <=> jr = ^ . la factorización de
2 * -l
es
/W = 2 U -(3 + /))(;r-(3 -;))^ --i = 2 \x -^ jx -3 -i)(x -3 + í) U. g(4 + 3/) = 0 =6- giA - 3/) = 0, de donde, x - (4 + 3/) y x - (4 - 3/) dividen a £(.*). Por lo tanto, se tiene que * W = (U + (4 - 3 /) )U + (4 + 3 D ))4 4 Y al realizar la división se obtiene A * = tx + (4 - 3/))( jt+ (4 + 3/))(* - 1)
PROBLEMAS DE PRÁCTICA L
Encuentre todas las ralees del polinomio f\x) = 9-r5 - 3 9 ^ + 57x - 15. si se sabe que una de ellas es
O
2. Fadorice el polinomio ¿jt*) = x4 - (3 + / )x* + 3 / como producto de polinomios de grado 1 con coeficientes en los complejos.
6 . 6 EJER C IC IO S* 1. Encuentre el cociente. y el residuo. r{)í). de dividir /(.») entre £(*) en cada uno de los siguientes casos. á) f(¿) = x* - Sx* + 2x* - i x - 7 y g(j¿) = x3 + x + 1. f[x) = 2x^ - 9r* + 6 * - 1yg(x) = 2x* - x + 2 . Z Diga cuáles de los siguientes números complejos: -4 . 0. j . L
b) Si (x - 4 /)* divide a un polinomio g(x), entonces (x - 4/) divide a g[x). c) Si / t o es un polinomio de grado 2 con coeficientes enteros, entonces se puede factorlzar como producto de dos polino mios de grado 1 con coeficientes reales.
4 Encuentre todas las soluciones de las siguientes ecuaciones.
- 1 3 + J. 3 - /son ralees de los siguientes polinomios. S ato = 2x* - x3 - 2/x+ /.
á,
jt* — 1 = 0 .
ti, x* - 3? - 20 = 0.
ti, 6to - * + 0 - 4/)jd - (15 + 7f)x? - (12 - 36/) j*2. 3. Diga cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas. Justifique su respuesta. Si /(.i)esunpollnomioconcoeflcientescompIejcsya = 5 + / es raíz de /U). entonces 5 - /es raíz de fOft.
SOLUCIONES A LOS PROBLEMAS DE PRÁCTICA L Como ~ es raíz de f(x), por el teorema del factor (proposición 20). |x - - ^ j divide a í{x):
á hacer la división se obtiene: 9 ^ - 3 9 V + 5 7 ^ -1 5 = 9 ^ - 3 6 * + 45 = 9 (* > -4 * + 5) 1
http://www.fullengineeringbook.net 406 of 461.
Capítulo 0 Ejercicios complementarlos 389
Ahora, se buscan las ralees del polinomio resolviendo la ecuación a2
._ _ 4 ± J l 6 -4 ( 5 ) Estas son *= -
- 4* + 5 = 0.
4 ± 2 n£ T
, -= 2 ± /.
1 Por lo tanto, las ralees del polinomio f\x) son —. 2 + /, 2 - L 2. Para factorizar el polinomio g(x) = x* - (3 + í)x* + 3; se puede hacer un cambio de variable / = x2y resolver la ecuación cuadrática / - ( 3 + /)/+ 3/= 0
esto es. (3+ 1) i s/(-(3 + /))» - 4 (37)
(3-f i) í y 8 + 6 / - 12/
(3+ í) ± y 8 - 6 /
como las ralees cuadradas de 8 - 6 / son 3 - / y - 3 + / (proposición 8). las soluciones son / , » - -----'- j- ------ = 3 y y2 = - — /
-----i = /; de ahí que
- (3 + / ) / + 3 / = { y - 3 ) ( y - /)
- (3 + i ) * + 3 / = ( P - 3 ) (P - /)
Las ralees cuadradas de / son a =
-
j / , por lo tanto.
á¡U) = ( x - V 3 )U + v'Ü) ( at- a )U + a)
C A P Í T U L O 6 E JE R C IC IO S C O M PLEM EN TAR IO S L Efectúe las operaciones que se Indican y escriba en la forma a + A/. A) (8 - 3/) + ( - 8 + 3/) a) (19 - ¡) + (2 + 9/) d (9 + 7/) + (9 - 7/) d) (19 - í)(2 + 9/) d (8 - 3/) - ( - 8 + 3/) /) (9 + 71) - (9 - 7/) A) (8 - 3 /)(-8 + 3/) £) ( 19-/M2 + 9/) /) (9 + 7/ ) ( 9 - 7 /) *
J
5Sl Si f(x ) - - ——, encuentre /(4 - /) y /(4 + /). & complejos que satisface la condición dada
(1 9 -0 (2+9/)
4
¡= Í-i
z+ 3
d |z - d < 3
(8 -3 /) (-8+37)
0
(9+7í (9-77)
Si z » 2 + 3/y * = - I + 5/.calcule: a) z A) iv d Z+ _ M d f)\A w t) |z - w |
4. Si f[x) = x* - 2 x encuentre f(2í) y f(\ + /).
^
|z-zj
A) |z + z |
Í7) ZJV
A) |z - 1 + 7| = l d) |2 z - /| = 4
e) | 2 z + 3 | > 4
/) /ZKt) > 1
0 \ z - 2| + |z + 2| = 12
A) |¿ _ i + J\ = \z + 2 - l \
/) /míd2 + AH42 = 9
J) M 7 ) 2 + A?d7)2 = 9
7. A) Iz + mI /) |zir|
-8
A) 1 - /
& a
* w
4 -
g) |z"*|
d 1■r-'l
o) P 1
pf I*'-1
ia 4
Escriba en la forma a + A/los siguientes complejos: . _ b) (21) zoo a) (t +
.d
3 -5 / 2+3/
u . Encuentre las raíces del pollnoml si se sabe que 1 + /es una raíz.
http://www.fullengineeringbook.net 407 of 461.
A) Z2010
390 CAPÍTULO 6 Números complejos 12. Fncuentre las ralees del polinomio f[$ - /
- 3V - 2j? +
c) Existe un polinomio con coeficientes reales de grado 4 para el cual - 3 1 + 2 /y 1 - Vson raíces.
13. Determine cuáles de las siguientes afirmaciones son falsas y otóles son verdaderas.
d) Existe un polinomio con coeficientes reales de grado 4 para el cual l + 3 /y 1 - /son raíces.
a) Existe un polinomio con coeficientes reales de grado 3 cuya única raíz real es 2. ti) Existe un polinomio con coeficientes reales de grado 3 cuya única raíz no real es 2/.
14 Encuentre el único polinomio /W con coeficientes reales de grado 4 para el cual /(3) = 0. f { - \ ) = 0. f[2 - ¡) = 0 y /TO) - 30.
27x + 26 si se sabe que 3 - 2/es una raíz.
http://www.fullengineeringbook.net 408 of 461.
Autoevaluaclón 391
A U TO EVA LU A C IÓ N 1.
Escribir en la forma a + b ila suma (9 + /) + ( - 6 - 2/).
2.
Escribir en la forma a + b ie 1 producto ( - 7 + i ) ( - 7 - i).
3»
Escribir en la forma a + b ie 1 producto (6 + 9/')2.
4
4 + 9/ Escribir en la forma a + bi el co c ie n te------- . i
&
Escribir en la forma a + Zw'el resultado de la operación ^ * ^ - 2 + 3 / .
«i
Si z = 4 + 7 /y w = - 1 - /; encontrar el valor de
7.
Encontrar las soluciones de la ecuación 4a2 +
&
Encontrar las soluciones de la ecuación 2 a2 - (6 - 8i) x + 2 - 42z
a
Encontrar las ralees cuartas de - 1 + i
+ 7.
l f t Escribir en la forma a + b ic 1 producto ( - 1 + /)200.
http://www.fullengineeringbook.net 409 of 461.
http://www.fullengineeringbook.net 410 of 461.
APÉNDICE
A Unicidad de la forma escalonada reducida TEOREMA
Unicidad de la f orma esca lo n ad a reducida Cada matriz A de m x n es equivalente por filas a una única matriz escalonada redu cida U.
DEMOSTRACIÓ N La demostración se basa en la idea de la sección 4.3 de que las columnas de matrices equivalentes por filas tienen exactamente las mismas relaciones de dependencia lineal. El algoritmo de reducción por filas indica que al menos existe una matriz ¿/del tipo mencionado. Suponga que A es equivalente por filas a las matrices U y Ven forma escalonada reducida 1.a entrada del extremo izquierdo, distinta de cero, en una fila de U es un “1 prin cipal". 1.a ubicación de este 1 principal se conoce como posición pivote, y la columna corres pondiente que lo contiene es una columna pivote. {Esta definición solo emplea la naturaleza escalonada de U y K y no supone la unicidad de la forma escalonada reducida). Las columnas pivote de U y l^son precisamente las columnas distintas de cero que no son linealmente dependientes de las columnas a su izquierda. (Esta condición se satisface automáticamente por una primera columna, si esta es distinta de cero). Como U y V son equivalentes por filas (ambas son equivalentes por filas a A), sus columnas tienen las mismas relaciones de dependencia lineal. Asi. las columnas pivote de U y Kse presentan en idénti cas ubicaciones. Si existen rd e tales columnas, y puesto que U y Kestán en forma escalonada reducida entonces sus columnas pivote son las primeras /-columnas de la matriz identidad de m x m. En consecuencia, son iguales ¡as columnas pivote correspondientes de U y V Por último, considere cualquier columna de ¿/que no sea pivote, por ejemplo, la colum na j . Esta columna es cero o una combinación lineal de las columnas pivote a su izquierda (porque esas columnas pivote son una base para el espado generado por las columnas a la izquierda de la columna J). Ambos casos se pueden expresar mediante U x = • para alguna x c u y a /é sim a entrada es 1. Entonces, también Vx - 0 lo que significa que la columna j de V e s cero o la misma com binadón lineal de las columnas pivote de V a su izquierda Como las columnas pivote correspondientes de U y V so n Iguales, entonces también son iguales las colum nas^ de U y V. Esto es válido para todas las columnas que no son pivote, de manera que V = U.\ o que prueba la unicidad de U
Al
http://www.fullengineeringbook.net 411 of 461.
http://www.fullengineeringbook.net 412 of 461.
Glosario A
c
adjmta ciánica: La matriz adj A formada de una matriz cuadrada A
cadena de Marico*: Una secuencia de vectores de probabilidad x% Xi. xj..... junto con una matriz estocástica Ptal que Xí . i •= para k = 0. 1. 2.... rindan de base: Véase matriz de cambio de coordenadas, cambio relativo o error relativo (en b): La cantidad HAb|/Jty| cuando bse cambia a b + Ab
al remplazar la entrada (/._/) de A por el cofactor (/._/). para toda í y J y después transponer la matriz resultante, algoritmo de reducción par fitac Un método sistemático que em plea operaciones elementales de fila que reduce una matriz a la forma escalonada o a la forma escalonada reducida. anÜHÍi de tendencia: El uso de polinomios ortogonales para ajustar datos, con el producto interior dado por la evaluación en un conjunto finito de puntos. dngiloienfre vectores diferentes de cero o y ven R2o R3): El ángu lo d entre los dos segmentos de recta dirigidos del origen a los puntos u y v. Relaciona al producto escalar mediante * * = M IMIcosfl « p n n im r km de F o v irr de orden n): El punto más cercano, en el subespack) de polinomios trigonométricos de néslmo ordea a una función dada en C¡0. 2n\. ■ fc a Ula i de punto flotante Aritmética con números representa dos como decimales ± . d \ ••• d p x 10r. donde r e s un entero y el número p de dígitos a la derecha del punto decimal general mente está entre 8 y 16. airactar (de un sistema dinámico en R*): El origen cuando todas las trayectorias tienden a 0
B b w (para un subespaclo no trivial H de un espacio vectorial V)\ Un conjunto Indexado B - {*,.....xp) en V'tal que: L B es un oonjunto llnealmente independiente y 8. El subespaclo gene rado por B coincide con H. es decir. H = Gen {»,..... hnr de vectoro* praplnc Una base que consiste totalmente en vectores propios de una matriz dada, bañe«tándfar: la base £ = {e. ... «*.> para R"quP consiste en las columnas de la matriz identidad de n x n o la base {1. £.... f") para P „ base crtagnml: Una base que también es un conjunto ortogonal.
basea b a — i:
Una base que es un conjunto ortogonal de vec «res unitarios.
S-canrdenad» de x:
Véase coordenadas de x respecto de la base B. B matriz (para 7): Una matriz | T\b para una transformación lineal T \V -> ^respecto de una base B para V. con la propiedad de que [7lx)lfl = |71s Mjipara toda x en V bola abierta B(p S) en R": □ conjunto (x : [Jx - p|| < 6} en R". donde 3 > 0. bola cerrada (en RT: Un conjunto pestá en Rny S > 0.
(x : |x
-
p| <
6} en R". donde
corlarte de Raylrifjc Mx) = (x -ix)/(x'X' Una estimación de un valor propio de A (por lo general, una matriz simétrica), cndnmimn (de una transformación T : R" —►R™): El conjunto R" qje contiene al rango de T. En general, si T mapea un espa do vectorial V en un espacio vectorial W, entonces W es el codomlnlode T. CMÉefcxtM de Fau-kx: Los pesos empleados para hacer que un polinomio trigonométrico sea una aproximación de Fourier a una función. i n f r if i t w de r q p eaián: Los coeficientes /5b y f}\ en la recta de mínimos cuadrados / » /36 + fíi-r. retador: Un número Cg = ( - l) ^ d e t A,j. llamado el cofactor (/. Jj de A. donde A,} es la suhmatriz formada al eliminar la Pésima fila y la /éslm a columna de A. cafar taren: Véase desarrollo por cofiadores, cnbaa a a pivote: Una columna que contiene una posición pivote. conAinarién afine Una combinación lineal de vectores (puntos en R") en la que la suma de los pesos implicados es 1. conAinarión conven (de puntos .....Vj en R"): Una combinación lineal de vectores (puntos) en la que los pesos en la combina ción son positivos y la suma de los pesos es I. « n A i m r b i KnraL Una suma de múltiplos escalares de vectores. Los escalares se llaman pesos. cambám r k n positiva (de puntas Vj.....Va,en R"): Una combinación lineal c^X[ + ••• + donde toda r ,> 0. com planm to de Schur: Una cierta matriz formada a partir de los bloques de una matriz partlcionada de 2 x 2. A = |,4j|. Si An es Invertible, su complemento de Schur está dado por A n - A 1XA~XXAü. Si A& es invertible, su complemento de Schur está dado por Axx - At2A^lA2X. complemento ortafpMfll (de HO: □ conjunto IIa de todos los vectores ortogonales a W. rn a p n w rifd e y o r t o y a l a a (para u f O): □ vector y - — u —
pt— h i pibx Ipnbw (de los datos en una matriz fíde observa dones): Los vectores propios unitarios de una matrizde covarianza muestral 5 para fí, con los vectores propios arreglados de tal manera que los valores propios correspondientes de ¿'disminuyan en magnitud. Si fíes una forma de desvtadón media, entonces las componentes prlndpales son los vectores singulares derechos en una deseomposidón en valores singulares de í f.
A3
http://www.fullengineeringbook.net 413 of 461.
A4 Glosario
á aplicar des o más transformaciones lineales sucesivas. Si las transformaciones son transformaciones matriciales. por ejem plo. multiplicación por la Izquierda de ¿9seguida por multipli caclón por la Izquierda de A entonces la composición es el trapeo x-+A(B*t. canjwto abierto 5 en Rm. Un conjunto que no contiene a ninguno de sus puntos frontera. (De manera equivalente. Ses abierto si cada punto de Ses un punto interior), conforto acotado en R": Un conjunto que está contenido en una bola abierta ¿9(0, á) para alguna <5> 0. conjunto afin (o subrcmjtnrto afinj: Un conjunto 5 de puntos tales que si p y qestán en S entonces. (1 - óp + ¿q « Spara rada número real t. conjudo afinmente dependente: Un conjunto {v,.....en R" ni que existen números reales C\..... cp no todos cero, tales que c, + — + cp = Oy íyr, + ••• + cp p = 0 conjunto afinmente h l q i w J h t e Un conjunto {«i..... vp) en R"quc no tiene dependencia afía conjunto cerrado (en R1^: Un conjunto que contiene todos sus puntos frontera. conjunto comparto (en R'J: Un conjunto en R” que es cerrado y acotado. cuajado ccm exa Un conjunto 5con la propiedad de que para cada py q en S el segmento de recta pq está contenido en 5. cuajado ftu la n rirta l de vninrianm: Una base para el conjunto de todas las soluciones de una ecuación diferencial o de una ecuación en diferencias lineal homogénea. cu ajad o generado por {vi,..., x,y. H conjunto Gen {vj.....vp}. cuajado generador (para un subespacto H): Cualquier conjunto {t ,.....vp) en //tal que / / = Gen {▼,...... cu a ja d o g n e ra d a r id d im (para un subespacto H)\ Un conjunto B que genera a H y tiene la propiedad de que si uno de los elementos de B se elimina de B. entonces el nuevo conjunto no genera a //. c o j u d o Bncafcnnde indepenfinrte aá d d » (en V): Un conjunto linealmente Independiente B en V tal que si un vector v, que s tá e n Vpero noen0.se agrega a tfentonoesel nuevo conjun to es linealmente dependiente. cuajado a w l (o gratfiada de una funcional lineal /sobre R"; Un conjunto [/:] = {*e Rfl: /(a) =
AR
A'-B
••• Am~ 'R \ = n
Ifelaclonado con un modelo de espacio de estados de un sis lema de control y la ecuación en diferencias i * i = /!«* + tim (* = 0. 1....).
M O O g ad e (secuencia de vectores): Una secuencia {^} tal que las entradas en * se pueden hacer tan cercanas como se quiera a las entradas de algún vector fijo para toda k suficientemente grande. cnordroadas b a ité d iiu w (de un punto p respecto de un con Junto S = {ti..... ta} afinmente independiente): El conjunto (único) de pesos cj..... o tales que p = CiVi + ••• + qv* y c\ + — + q, = 1. (Algunas veces támbense llaman coorde nadas afines de prespecto de S ) coordenadas de x respecto de la base 8 = {bi-.., b j : Las pesos C|..... c„en la ecuación x = c,li + ••• + coordenadas buongtaeas: En R \ la representación de (x, y. A como {X Y. Z. H) para cualquier H * 0. donde x - X/H, y = Y/H, y z = Z/H. En R7. generalmente se toma// = l.ylas coordenadas homogéneas de (x. y) se escriben como U y. 1). corriente de d ra d to : La cantidad de corriente eléctrica que fluye por un circuito que hace la suma algebraica de las caldas de voltaje RL alrededor del circuito, sea Igual a la suma algebraica de las fuentes de voltaje en el circuito. (m aríanu(de variables X/y xp para Í*J)\ La entrada syen la matriz efe covarlanza S para una matriz de observaciones, donde x,y x¡ varían sobre las coordenadas /ésima y/ésima. respectivamente, efe los vectores de observaciones.
cuba Un objeto sólido tridimensional acotado por seis caras cua dradas. con tres caras que se encuentran en cada vértice. cm-va de B á ir r cuab É f a e Una curva cu>a descripción se puede describir en la forma — (1 — /)$,(/) + /f¡(<) para O s / s 1, donde ft(fl = <1 - óp + y f ( 0 = (1 f)p. + /pe. Iras puntos p;. pi. pe son los puntos de contra! para la curva.
D (femando* ¡otcnnedbn: Demandas de bienes o servicios que se consumirán en el proceso de elaborar otros bienes y servicios para los consumidores. Sí x es el nivel de producción y C es la matriz de consumo, entonces C'x lista las demandas intermedias. desarrolo c o la n a -B a : ira expresión de un producto Afícomo una suma de productos exteriores: coli(/l) filai(fl)+ ••• + col/A) fila„(i3), donde /tes el número de columnas de A (k s a r o lo per cd a r ia tK Una fórmula para det A empleando los cofactores asociados con una fila o una columna, por ejemplo, para la fila 1: det A m 8\\C\ \ + ••• + 3\„C\a dm canpnúríóa de vectores propio» (de x): Una ecuación, x - C|¥| + ••• + cD*a que expresa a x como una combi nación lineal de vectores propios de una matriz. deacanqnakkki n valares té tg á m m (de una matriz A de m x rí): A m U1 V*. donde U es una matriz ortogonal de m x m. Ves una matriz ortogonal de n x n, y 1 es una matriz de m x neón entradas no negativas sobre la diagonal principal (arregladas en orden decreciente de magnitud) y ceros en las demás entra(ks. Si rango A - r. entonces X tiene exactamente r entradas positivas (los valores singulares distintos de cero de A) sobre ta diagonal.
http://www.fullengineeringbook.net 414 of 461.
Glosarlo A5 ehwcony o siddn m valora ringubrai reducida: Una fartortzadón A - UDVT. para una matriz A áem x n. con rango r donde U es de m x r con columnas ortonormales. D es una matriz diagonal de r x rcon rvalores singulares de A distintos de cero en su diagonal, y V'esde n x roon columnas ortonormales, dcwcf paririón espectral ide A): Una representación A —Aiuiuf + • ••+ A„u,u^ donde {«i.....a,) es una base ortonormal de vectores propios de A. y Ai A»son las valores propios correspondientes de A. dtwflMpnddóa ortogonal: La representación de un vector y como la suma de dos vectores, uno en un subespaclo it'' especificado y el otro en iVx. En general, una descomposición y = n»i + — + Cfjap. donde {»]..... t^} es una base ortogonal para un subespaclo que cortiene a y. drwxin^MKkiAn polar (de A): Una fectorización A = PQ. donde Pes una matriz positiva semldefinida de n x n con el mismo rango que A, y Qes una matriz ortogonal de n x n. descripción «rpErifa (de un subespaclo Wde R"): Una representa dón paramétrica de i^como el conjunto de todas las comblmclones lineales de un conjunto de vectores específicos,
E m a rió n auxttar: Una ecuación pollnomial en una variable r. creada con los coeficientes de una ecuación en diferencias homogénea. ecuación a w r t a K t i (de A): det(/l - A/) = 0. ecuación en d f e n a d a i (o wiad ó n de recurren cia lineal IJna ecuación de la forma 34,1 = /Ir, (k = 0. 1. 2....) cuya solu ción es una secuencia de vectores, «o. *t.... ecuación hom og énen: Una ecuación de la forma Ax = O posible mente escrita como una ecuación vectorial o como un sistema d» ecuaciones lineales. m a rió n Mural en las variables X\..... x,): Una ecuación que se puede escribir en la forma ai*) + &x¡ + ••• + ají„ = b, donde b y los coeficientes a i.....a . son números reales o complejos. ecuación artilrln l- Una ecuación que implica al menos una matriz; por ejemplo. A x = h ecuación no homogénea: Una ecuación de la forma Ax = b con b # O, pasiblemente escrita como una ecuación vectorial o como un sistema de ecuaciones lineales.
descripción h f l d l a (de un subespacio H'de 3"): Un conjunto de una o nvfc ecuaciones homogéneas que caracterizan a los pun tos de W.
ecuación §— iir th b a de tai plano: Una ecuación de la forma x = p + jn + nr {s. t en R), con u y v linealmente Independientes.
dwgffialdad deCaucfcy Scbtvarz: ;
ecuación paramétrica de una recta: Una ecuación de la forma x - p + flr(/enR).
desbaldad
|u|| + H para toda u v
iVlH-ndinnle (de una matriz cuadrada A): □ número det A definí do inductivamente mediarte un desarrollo por cofactores sobre la primera fila de A Además. ( - l)r veces el producto de las entradas diagonales en cualquier forma escalonada U obtenida de A por remplazos de fila y /intercambios de fila (pero no por operaciones de escalamiento), d n g m al por Moques (matriz): Una matriz particionada A - \A£ tal que cada bloque A/;es una matriz cero para / * J d fay n al principal de una matriz): Las entradas con Igual indice de fila y columna. d fn m rfr de cero (matriz o vector): Una matriz (con pasiblemente solo una fila o columna) que contiene al menos una entrada distinta de cero. dftaiarkm: Un mapeo * -+ /■*para algún escalar r.con I < r.
ecuación vectorial: Una ecuación que implica una combinación lineal de vectores con pesos Indeterminados.
de un conjunto S: t a dimensión del plano afín más pequeño que contiene a S. dp un espacio vectorial V. El número de vectores en una hase fura K que se escribe como dim V La dimensión del espa do cero es 0. de un plano afín .£ La dimensión del subespaclo paralelo correspondiente. de un subespaclo S. El número de vectores en una base para S. que se escribe como dim S.
entradas iBagonnlnr (en una matriz): Entradas con iguales indices d* fila y columna.
dktanria a un a d w par b : 1.a distancia de un punto dado (vector) v al punto más cercano en el subespacio. d ntaucia o d re u y v: La longitud del vector u - v. que se denota como disi (ai ▼).
envolvente positiva (de un conjunto 5): El conjunto de todas las combinaciones positivas de puntos en 5. que se denota como pos S
deminio (de una transformación 7): El conjunto de todos los vec tores * para las cuales 7(x) está definido.
ecuaciones n o ianlm 1 □ sistema de ecuaciones que se representa por ATAx = Arb cuya solución conduce a las soluciones de mínimos cuadrados de /1x ’ b En estadística, una notación común es X TXfi = X ry. ejes prinri¡ni»n (de una forma cuadrática x'Axi: Las columnas ortonormales de una matriz ortogonal P tal que P 'APes dia gonal. (Esas columnas son vectores propios unitarios de A) Por lo general, las columnas de P se ordenan de tal manera qje los valores propios correspondientes de A se acomodan en orden decreciente de magnitud. rfiminnrlóii g — Inaas
algoritmo de reducción por filas.
m irada principal: La entrada distinta de cero en el extremo Iz quierdo en una fila de una matriz.
cuvoHmtp afta (o srftn y n rrad n i de un conjunto S El conjunto de todas las combinaciones afines de puntos en S que se denota comoaff S mvoivrutr a n v n a (de un conjunto 5): El conjunto de todas las combinaciones convexas de puntos en 5¡ que se denota como: conv S.
error cuadrótfeo mrdkc El error de una aproximación en un espa d o con producto interior, donde el producto interior está dado por una integral definida.
http://www.fullengineeringbook.net 415 of 461.
A6 Glosario error de a t é m i cuM badae la distancia b - AiJ| (fe b a Ai, cuando t e s una solución de mínimos cuadrados de Ax = b error por redondea ijror en la aritmética de punto flotante causa do cuando el resultado de un cálculo se redondea (se trunca) al número de dígitos de punto flotante almacenado. Además, d error que resulta cuando la representación decimal de un número tal como 1/3 se aproxima por medio de un número de punto flotante con una cantidad finita de dígitos. anrnlundrnto (de un vector): Operación que consiste en multlpli car un vector (o una fila o columna de una matriz) por un escalar distinto de cero. t w á r : Un número (real) empleado para multiplicar un vector o nía matriz. espacio rrbn— i (de una matriz A de m x n): El conjunto Col A de todas las combinaciones lineales de las columnas de A Si A - («i — «■], entonces Col A - Gen {a¡.....De ma ñera equivalente. Col A = {y: y * Ax para alguna x en R") o p a d o coa prnfcicto interior: Un espacio vectorial sobre el cual se (fefine un producto interior. o p a d o f ia (de una matriz A): El conjunto Fil A de todas las combinaciones lineales de los vectores formados con las filas (fe A\ también se denota como Col AT.
opado nulo (de una matriz A de m x ríf: El conjunto Nul A de indas las soluciones de la ecuación homogénea Ax = Q Nul A * ( x : xestá en RDy Ax - 0} opado propio (de A correspondiente a A): El conjunto de todas las soluciones de Ax = Ax. donde Aes un valor propio de A. Consiste «n el vector cero y todos los vectores propios asodados a A.
fartoriudáa LU permutada: la representación de una matriz A en la forma A - LU donde L es una matriz cuadrada tal que una permutación de sus filas formará una matriz triangular In ferior unitaria, y Ues una forma escalonada de A.
Ibctarfeadún QR: Una factorizaclón de una matriz A de m x neón columnas linealmente independientes, A = QR donde p esuña matriz de m x n cuyas columnas forman una base orio normal para Col A. y Res una matriz invertlble triangular superior de n x neón entradas positivas sobre su diagonal. fin F p n p rd v a (de reducción por filas): 1.a primera parte del algo ritmo que reduce una matriz a la forma escalonada.
fine r r y ndva (de reducción por Alas): La última parle del algorit mo que retfejce una matriz en forma escalonada a una forma escalonada reducida.
■tro fkwafc Una ecuación en diferencias lineal empleada para transformar señales discretas en el tiempo. flop Una operación aritmética (+ . - . * . / ) que se efectúa sobre dos números reales de punto flotante.
fa rra cuadrática: Una función Q definida para x en R" por £>(*) = xMx, donde A es una matriz simétrica de n x n (llama efe la motriz de la forma cuadrática. firma cuadrática fadrflafcla Una forma cuadrática Q tal que Q m) toma valores positivos y negativos.
firma rumbática negativa definida: Una forma cuadrática Q tal que £Hx) < 0 para toda x * 0 farra rumbática negativa seuddeOnida: Una forma cuadrática tal que £Xx) s 0 para toda x
firma c ra b ática putitiva dcAaidac Una forma cuadrática Q tal que Q(a) > 0 para toda x * O
opado vectorial: Un conjunto de objetos, llamados vectores, sohre el cual están definidas dos operaciones, llamadas suma y multiplicación por escalares. Deben satisfacerse 10 axiomas. Véase la primera definición en la sección 4.1. o p a d o vectorial de dbnrmión fbdtx Un espacio vectorial que se g?nera por un conjunto finito de vectores, o p ad o vectorial de Jbw nilón infinita: Un espacio vectorial V diereute de cero que no tiene base finita. « p arios vectoriales K onrrluc Dos espacias vectoriales V y W para los cuales existe una transformación lineal T uno a uno Cfje mapea Esobre W.
fiama crabática positiva senddefinida: Una forma cuadrática Q tal que Q fá > 0 para toda x
firma de desviación mecía (de un vector): Un vector cuyas entra (fas suman cero.
fa rra de desviación ardía (de una matriz de observaciones): Una matriz cuyos vectores fila están en forma de desviación media. Pára cada fila, las entradas suman cero.
fa rra endonada (o fam a endonada par fibs (fe una matriz): Una matriz escalonada que es equivalente por filas a la matriz dada. i (o l a r r a «acairelada imbuida por fib t Una matriz escalonada reducida que es equivalente por filas a una matriz dada.
F b eta badán (de A): Una ecuación que expresa Acomo un producto (fe dos o más matrices.
farkx-izarión de Choiesky: Una factorizaclón A = R R donde R es una matriz triangular superior lnveriibie cuyas entradas dia gonales son todas positivas. firtorizacián de Scfam- (de A, para escalares reales): Una factor! ación A - URUt de una matriz A de n x n que tiene n va lor propios reales, donde Ues una matriz ortogonal de n x n. y Res una matriz triangular superior. £artorbación LU: La representación de una matriz A en la forma A - LU donde L es una matriz triangular inferior cuadrada con unos sobre 1a diagonal (una matriz triangular Inferior uni taria) y Ues una forma escalonada de A.
fa rra bomognea ie (un vector) r en R*. El punto v en R°+l. funcional lineal ien R"): Una transformación lineal f de R"a R.
fimrhmm propias (de una ecuación diferencial x'(z) = Ax(/)): Una función x(/) = ve‘f. donde v es un vector propio de A. y Aes el valor propio correspondiente,
G Gen
El conjunto de todas las combinaciones lineales de X:.....*p. También, el subespactogenerado por ▼[......
http://www.fullengineeringbook.net 416 of 461.
Glosarlo A7
H Uperpfcu» (en R'O: Un plano afín en R" de dimensión a - 1. También: un traslado de un subespacio de dimensión n - 1. Uperpiano de soparte ia un conjunto convexo compacto 5en R°): Un hiperplano //■ [ /:( /] tal q u e / / O 5 * 0 y /(.*}£ ¿para toda -ren 5o f\$ te ¿para toda xen 5 I Ü vector en R" formado con las partes imaginarias de las en tradas de un vector x en C". imagen (de un vector x bajo una transformación T): El vector 7(x) asignado a x por T. inversa (de urna matriz A de n x ri): Urna matriz A~' de n x n. tal que AA~l = A ~l - /» inversa de lloara t a n a V?an?seudolnversa. inversa por b derecho (de A): Cualquier matriz rectangular Cta! que AC * /. inver sa par h izquierdo (de A): Cualquier matriz rectangular C tal que CA = /. Éw aa rflaaa Un mapeo lineal uno a uno de un espacio vectorial sobre otro. Im x:
L ley asociativa de b nadtipKracáón: A(BC) = (ABjC, para toda A B .C
leyes de KferhbofT: 1 . (ley de voltee) La suma algebraica de las caldas de voltaje R l en una dirección alrededor de un circuito es Igual a la suma algebraica de las fuentes de voltaje en la misma dirección alrededor del circuito. 2 . iley de corriente la corriente en una rama es la suma algebraica de las corrientes de circuito que fluyen por esa rama. kyes dKtrflutivas: (Izquierda) A{B+ C)= A B + AC. y (derecha) (fí + Q A ** BA + CA. para toda A B C . Knrainvntr dependo*» (vectores): Un conjunto ludexado {sri.... */,} con la propiedad de que existen pesos q ......... Cp, no todos cero, tales que qti + — + cptp =0. Es decir, la ecuación vectorial ^V| + CfH + ••• + q,vp = Otiene una so lución no trivial. lon^Énd lo norma de v): E3 escalar ||v|| = y f\~ \ = y/(v,v).
M ■ * p i y de un vector): Véase norma. in o p e »
Véase transformación
aúpen de coordenadas (determinado por una hase ordenada B en un espacio vectorial V): Un mapeo que a cada x en V\e asocia SU vector coordenado [«]* mapeo sabes Un mapeo T : R” -♦ R® tal que cada I»en R®es la Imagen de a i menos una «en R". mapeoimo a unne Un mapeo T : R" -» Rmtal que radi ben R®es h Imagen de a ¡o sumo una «en R°. nutrices conformadas pora nnJtipbradóo por b oques: Dos matrices particionadas A y fítales que el producto por bloques Afíestá definido: la partición columna de A debe ajustar con la partición fila de B
matrices equfarin*» par Oac Dos matrices para las cuales existe uta secuencia (finita) de operaciones de fila que transforma una matriz en la otra, matrires que conmutan: Dos matrices A y fílales que AB = BA. moflir rwsemejantes: Matrices A y fítales que P 'A P - B o bien, efe manera equivalente. A = P B P '. para alguna matriz Inver tible P. matriz: Un arreglo rectangular de numeras. imfi’ii amoratado: Una matriz construida mediante una matriz de coeficientes para un sistema lineal y una o más columnas a la (ferecha. Cada columna adicional contiene las constantes del lado derecho de un sistema con la matriz de coeficientes dada. matriz ¡morir Una matriz cuyas entradas diferentes de cero están efentro de una banda a lo largo de la diagonal principal. matriz hiifcqfaat: Una matriz cuyas entradas diferentes de cero están sobre la diagonal principal y sobre una diagonal adyacente ala diagonal principal. matriz casi sbfpfar: Una matriz mal condicionada matriz nm pañrrz Una matriz de forma especial cuyo polinomio característico es ( - 1)"/j(A) cuando / j(A) es un polinomio espe cificado cuyo término principal es A". matriz de cambio de coardeuodas (de una base B a una base Q : Una matriz C^_B que transforma vectores de fí-coordenadas a vectores de C-coordenadas: |«|c = c^ B;«]ft. Si C es la base estándar para R". entonces algunas veces c £ e se escribe como PB. uatrit de coeficientes: IJna matriz cuyas entradas son los coefklen les de un sistema de ecuaciones lineales, matriz de cansumnc Una matriz en el modelo de entrada y salida de Leontlef cuyas columnas son los vectores de consumo unitarios para los diversos sectores de una economía. mntrii de cm a b a ia (o ionti li de cova boza a w t n li 1 .a matriz 5de p x p definida por 5 = (N - 1)~'B B T, donde B. es nía matriz de observaciones de p x New forma de desviación déla media. motriz de dbnkz La matriz X en el modelo lineal y = Xfí + t. donde las columnas de Aestán determinadas de alguna forma por los valores observados de ciertas variables Independientes. motriz de entrada-salida: Véase matriz de consumo, matriz de flrxMBdod: Una matriz cuya j é sima columna da las deflexiones de una viga elástica en puníos específicos cuando se aplica una unidad de fuerza en el/éslmo punto sobre la viga, matriz de Groa (de A)\ La matriz ArA. matriz de m < m Una matriz con millas y n columnas, matriz de nt y z clt e Una matriz que indica el movimiento porcentual entre dos lugares diferentes, de un periodo al siguiente. matriz ib observaciones: Una matriz de p x A'cuyas columnas son vectores de observaciones, cada columna lista p medido nes realizadas sobre un individuo u objeto en una población tfeda o en un conjunto. mnfrii de ¡nyeccián (o motril de proyección artnffmoi) Una matriz simétrica fí tal que f f = B Un ejemplo sencillo es fí = TV7!donde ves un vector unitario.
http://www.fullengineeringbook.net 417 of 461.
A8 Glosario
iirtii i de ran¡p cm ylria Una matriz de m x /7cuyo rango es el menor de m y a «rtriz d e r iv e .: La inversa de una matriz de flexibilidad. La /¿sima columna de una matriz de rigidez da las cargas que se deben aplicar en puntos específicos sobre la viga elástica para producir una deflexión unitaria en el /ésimo punto sobre la viga. matriz de transferencia: Una matriz A asociada con un circuito déctrico que tiene terminales de entrada y salida, de tal manera qje el vector de salida es Igual a A por el vector de entrada. «atril de Vandrrnunde: Una matriz Vde n x n o su transpuesta, cuando Atiene la forma
V =
•
A p1
1
Al
A?
‘
1
Aj
A
• .
aT
1
A*
A
• •
X*~'
1
« t i i i liqymd- Una matriz cuadrada cuyas entradas 6 ¡era de la diagonal principal son cero. mairá d h f f c á h Una matriz que se puede escribir en la for mn factorizada PD P *, donde D es una matriz diagonal y Pes no matriz invertible. uo factorización, A = PD F ' c o n P una matriz ortogonal (p-> a /*) y D diagonal. matriz elemental: Uto matriz Invertible que resulta al efectuar una operación elemental de fila sobre una matriz identidad. motriz ardnm d» {o motriz «m im ada por fiboi: Una matriz octangular que tiene tres propiedades: L Todas las filas dls tintas de cero están por arriba de cualquier fila constituida Cuícamente de ceros. JLCada entrada principal de una fila está en una columna a la derecha de la entrada principal de la fila superior. 3. En una columna, todas las entradas (¿bajo de una entrada principal valen cero. motriz acalmada reducida: Una matriz rectangular en forma escalonada que tiene estas propiedades adicionales: la entrada principal en cada fila distinta de cero es 1 . y cada uno de esos l es la única entrada distinta de cercen su columna respectiva. ooatrtz estándar (para una transformación lineal 7): La matriz A tal que 71») = /tapara toda *enel dominio de T. motriz eotocástka: Una matriz cuadrada cuyas columnas son vec tores de probabilidad. motriz «tocástka reidor- Una matriz estocástica Ptal que algu na potencia matrlcial P* solo contiene entradas estrictamente positivas. matriz idealidad (denotada por Jo JJ: Una matriz cuadrada con unos sobre la diagonal y ceros en las demás entradas. matriz indefinido: Una matriz simétrica A tal que z .4»toma valores positivos y negativos. motril h a iitld r Una matriz cuadrada que tiene una inversa. motriz nal coalicionada: Una matriz cuadrada con un número de condición grande (o posiblemente Infinito); una matriz que es singular o que puede convertirse en singular si alguna sus entradas se modifica ligeramente.
natriz nz^tKa definida: Una matriz simétrica A tal que z 'Ax < 0 para toda z * O motriz m ||tiia ««¡definida: Una matriz simétrica A tal que x TA x s 0 para toda z natriz ao singular: Una matriz invertible, natriz ortogonal: Una matriz cuadrada U irtvertible tal que I T ' = U7. natriz pora T respecto de fas boma B j C: Una matriz M para una transformación lineal T: V -* IVcon la propiedad de que [7{x)]c ” para todas las z en K donde B es una base para V, y C es una base para W. Cuando W = V y C = B, h matriz A/se llama matriz B para 7y se denota como [T\g. natriz portkionado (o itrtriz por bloquea Una matriz cuyas entradas son en si mismas matrices de tamaños adecuados, natriz par bloques: Véase matriz partictonada, natriz paátíva definida: Una matriz simétrica A tal que x ’A x > 0 para toda z / O actriz positiva senñdefinida: Una matriz simétrica A tal que »rAz > 0 para toda x mntrrr d a t rk z Una matriz A tal que A T= A. antriz sbqpilor: Una matriz cuadrada que no tiene Inversa, natriz trian dar: Una matriz A con ceros arriba o debajo de las entradas diagonales. natriz trfempdar inferior: Una matriz con ceros arriba de la diagonal principal. natriz trfangtar inferiar permutada: Una matriz tal que una permutación de sus filas formará una matriz triangular inferior, actriz trfeaqpdor inferior lodtwia1 Una matriz triangular Inferior cuadrada con unos sobre la diagonal principal, actriz trioapdor «qwrfar: Una matriz U (no necesariamente a n dada) con ceros debajo de las entradas diagonales u u .o n .... media nuestra!: El promedio M de un conjunto de vectores. X,.... Jfc dado por M= (l/A'HX, + - + j y . vrozbandAr F3 punto más cercano (en un subespaclo) a un vector dado. nttndo de pchndac Un algoritmo para estimar un valor propio estrictamente dominante <¿ una matriz cuadrada. Método de patencia* inverso: Un algoritmo para estimar un valor propio A de una matriz cuadrada, cuando está disponible una buena estimación inicial de A. ut á a w cuokadn poadcradoc Problemas de mínimos cuadrados con un producto interior ponderado tal como (x. y) = w f n y i + ••• +
u>\xmy,
■d— A f tcián (como un vector v): Un vector que es un múltiplo positivo de v. modelo de entrada-salida: Véase modelo de entrada y salida de l^eontief. modelo de httrrwddnr Véase modelo de Intercambio de Leontief. modelo de krferamháo (o m iado delzmtirf: Un modelo de una economía donde están fijas las entradas y las salidas, y donde se busca un conjunto de precios para los productos de los sectores de tal forma que el ingreso de cada sector iguale los gastos. Esta condición de ‘equilibrio* se expresa como un sistema de ecuaciones lineales, con los precios como las incógnitas.
http://www.fullengineeringbook.net 418 of 461.
Glosarlo A9 rkkM o
de Leontfcfde entrada y s i d a (o ecuación é t producción
de LranÉkf La ecuación z = Ck + d donde zes la produc
dón. des la demanda final, y Ces la matriz de consumo (o entrada salida). La_/¿slma columna de Clista las entradas que el sectory consume por unidad de salida. dmm M o Bm-aJ (en estadística): Cualquier ecuación de la forma y = Xfi + «. donde X y y son conocidas, y p se elige para minimizar la longitud del w dnr icriduai t, dmmM o imh-lrhl par riapK Una ecuación en diferencias z¡ - 1 ® A * , donde x* lista el número de hembras en una población en el tiempo k con las hembras clasificadas por varias etapas de desarrollo (Juveniles, subadultos y adultos). «radtipBr ación —t rhM por hinque*: Ij « multiplicación fila-co lumna de matrices partictonadas como si las entradas en bloques fueran escalares. maitípficackki por kaA n d a (por A): Multiplicación de una matriz por la derecha por A. m A y Brariñn par b kquierda (por A)\ Multiplicación por A de un vector o una matriz por la Izquierda. «Alpgriifad % t r A a ¡ La multiplicidad de un valor propio como una raíz de la ecuación característica. noUripli»catatar de a per a El vector caque se obtiene al multipli car cada entrada en n por c.
N norma (o kn^tud de r): El escalar |v|| = ,/v^v = ^{v. v). normalharkSn (de un vector r diferente de cero): El proceso de crear un vector unitario u que es un múltiplo positivo de r. Bórico (de una transformación lineal T : V -* W): □ conjunto de z en y tal que 7b) = O. ■ i— p de cnndkióu (de A): El cociente
P parto Irfanfpdm b faior (de A): Una matriz triangular inferior cuyas entradas sobre la diagonal principal y abajo de ella coinciden con las de A. pola (de un conjunto 5 en R"): El conjunto de puntos extremos de S. pesas: Los escalares que se emplean en una combinación lineal, pivotes Un número distinto de cero que se emplea en una posición pivote para crear ceros mediante operaciones de fila ose cambia en un 1 principal, el cual, a la vez, se utiliza para crear ceros.
pbno añn (en R"): Un traslado de un subespaclo de R°. plano que pan par u, v y d origu: Un conjunto cuya ecuación paramétrica es z = su + rx (s, te n R). con u y » linealmente
independientes. pianos añora pm M ae Dos o mis planes afines tales que cada uno es un traslado de los otros planas afines, pniwk g Un polltopo en Ra. poHynr Un polltopo en R2. polinomio csracterfetiro (de A)\ det (A - AI) o. en algunos libros, cfet(A/-yl). poBnnmlo de interpolación: Un polinomio cuya gráfica pasa a tra vés de cada punto en un conjunto de puntos de datos en R2. potmnmio trigmonritrko: Una combinación lineal de la función constante 1 y funciones seno y coseno, como eos n ty sen nL poktopo: La envolvente convexa de un conjunto finito de puntos en Rn (un tipo especial de conjunto convexo compacto). parición estándar. La posición de la gráfica de una ecuación x rA x = c. cuando A es una matriz diagonal, parición pivote: Una posición en una matriz A que corresponde a nía entrada principal en cada forma escalonada de A. precia* de npflftrlo: Un conjunto de predas para la producción total de los diversos sectores en una economía, de tal manera que el ingreso de cada sector logre equilibrar sus gastos, pregada de afatandjE Pregunta: '¿Existe una solución al sistema?". Es decir. *¿el sistema es consistente?'. Además, "¿existe solu ción de A x = bpara todas las posibles b?\ pregada de unicidad: Pregunta: "¿Si existe una solución de un Esterna, esa solución es la única?". problema de id r ia » cuadrada* gm rob A partir de una matriz A de m x n. y un vector ben R m, se encuentra ft en Rntal que ||b - At)| £ |b - /b<| para toda zen R". proceso de GraneSchnddt: Un algoritmo para producir una base ortogonal u ortonormal para un subespaclo que se genera por un conjunto dado de vectores. pnxkscto Ax: La combinación lineal de las columnas de A emplean da como pesos las entradas correspondientes en z producto cruzado: Un término cx/X jen una forma cuadrática, con producto ex te rkr: Un producto matriclal ovr donde u y x son
vectores en R" vistos como matrices de n x I. (H símbolo de transpuesta está sobre el "exterior" de los símbolos ayo), producto kderkr: fcl escalar u'V generalmente escrito como n-v. donde u y x son vectores en Rn vistos como matrices de flx l. También se llama el pnxfcvto punto de u y x. En ge neral. una función sobre un espacio vectorial que asigna a cada par de vectores ■ y r un número (a e>. sujeto a ciertos axiomas. Véase la sección 5.7. producto punto: Véase producto intprior. proyección ortogonal de y «obre u (o sobre la recta que pasa por u y por el origen, para a * O: El vector J definido por proyección ortogonal de y sobre W. U vector único f en W tal que y - f es ortogonal a W. Notación: f =■proy#y.
http://www.fullengineeringbook.net 419 of 461.
A10 Gtosario p u to espiral {de un sistema dinámico en R2): El origen cuando las
reptrinr (de un sistema dinámico en R2): El origen cuando todas
trayectorias caen en espiral hacia 0 punto adren» (de un conjunto convexo -S): Un punto pen 5 tal que p no está en el interior de cualquier segmento de recta contenido en S. (Es decir, si x y están en S. y pestá sobre el segmento de reta xy. entonces p ■ m p » y). punto frontera I1 un conjunto Sen Rn: Un punto ptal que cada bola abierta en GTcentrada en pse Intetseca tanto con Scomoconel complemento de S punto Interior (de un conjunto Sen R73): Un punto pen Stal que para alguna 8 > 0 . la bola abierta B(p á) centrada en pestá contenida en S punto sfla (de un sistema dinámico en R2): El origen cuando al gunas trayectorias son atraídas hacia O y otras trayectorias son rpelldas desde O
Las trayectorias excepto la secuencia cero constante tienden a alejarse de O resta rectorfad: Se calcula a + (-l)vyse escribe el resultado como a —f. rotación de d ren e Una transformación lineal de Rn a R” em pleada en programas computaclónales para crear entradas oero en un vector (por lo general, una columna de una matriz).
R rango (de una matriz A)\ La dimensión del espacio columna de A
cjje se denota como rango A. rango (de una transformación lineal 7): El conjunto de todos los
vectores de la forma 7(x) para alguna xen el dominio de T. R* x: Ü vector en R" formado de las partes reales de las entradas de ir vector xen C". recta de a d a t o » cuadrados: La recta y * fia + P \ X que minimiza d error de mínimos cuadrados en la ecuación y = Xf} + t. recta tpm posa per p p a d d a a y: El conjunto -p + tr. /en H}. red ra m a te rm Una red eléctrica ensamblada que conecta en serie
s sedal (o sedal duneta de tiempo* Una secuencia doblemente in
finita de números. una función definida sobre los enteros; pertenece al espacio vectorial S. serie de Foaier: Unaserie infinita que converge a una función en el espacio con producto interior C[0 . 2 ir], con el producto Interior dado por una Integral definida. smdoiuvwMi (de A)\ La matriz VD~l U 7. cuando L/DV7"es una descomposición en valores singulares reducida de A. rinpkjo La envolvente convexa de un conjunto finito de vectores en R"afinmente independientes. á to n a de m a tim ei fa ralr» (o ¿ t o — iweal Una colección de una o más ecuaciones lineales que implican el mismo conjunto d? variables, por ejemplo, r,.... x„ ttvtm» draopbrio: Una ecuación en diferencias y> ,i = Af¿, o una ecuación diferencial y’(/) « Ayifi. en la cual /les una ma triz diagonal. La evolución discreta de cada entrada en y* (como una función de k). o la evolución continua de cada entrada en la función vectorial y(/), no sufren alteración por lo que ocurre con hs otras entradas conforme k -* « o / -* ristre» dtorindroc Véase sistema dinámico lineal discreto. ristra» cinánriro lineal dbcretoc Una ecuación en diferencias de la forma x*. i “ A xk que describe los cambios en un sistema (por lo general, un sistema físico) conforme pasa el tiempo. H sistema físico se mide en tiempos discretos, cuando 1 = 0 . 1 . 2 .....y el « la d o del sistema al tiempo le s un vector xi cuyas entradas indican ciertos hechos de interés sobre el sistema. ristre» Hncdb Una colección de una o más ecuaciones lineales que Implica las mismas variables, por ejemplo, jri.... x„ ristrai banl co rirtrn lr Un sistema lineal con al menos una solución. ristre» Bocal tocaadatoatoc Un sistema lineal que carece de so lución. ristra» wh rdrtn « inadoc Un sistema de ecuaciones con más ecuaciones que Incógnitas. ristra» aubdtt a -udnadnc Un sistema de ecuaciones con menos ecuaciones que incógnitas. ristre» (bandas) «privalratas: Sistemas lineales con el mismo conjunto solución. toldo regriw Uno de los cinco posibles poliedros regulares en R3: el tetraedro (4 caras triangulares Iguales), el cubo (6 caras cuadradas), el octaedro (8 caras triangulares iguales), el dodecaedro ( 1 2 caras pentagonales Iguales), y el Icosaedro (20 caras triangulares iguales).
http://www.fullengineeringbook.net 420 of 461.
Glosarlo A H
«nboióa (de un sistema lineal que implica las variables *1.... aj: Una lista (s\, s¡.... 5„) de números que hacen que cada ecuación en el sistema sea un enunciado verdadero cuando los valores si.... i se sustituyen para x\...... xa respectivamente. solución de cuadrados ie Ax ~ b): Un vector i tal que |b - Alg S |[b - AxJ para toda «en R", sofadán ^ n r a l (de un sistema lineal): Una descripción paramétri ca de un conjunto solución que expresa las variables básicas en términos de las variables libres (los parámetros), si las hay. Después de la sección 1.5. la descripción paramétrlca se escri be en forma vectorial. inArtio no trivial: Una solución distinta de cero de una ecuación homogénea o de un sistema de ecuaciones homogéneas. sobacite trivial: La solución x = O de una ecuación homogénea 4x = O « hoajiB in propio de ub reajusto £ Un subconjunio de S que no es igual a 5 mismo. mbmparioc Un subconjunio H de algún espacio vectorial V tal que // tiene estas propiedades: I. El vector cero de V está e n /í t H f 5 cerrado bajo suma vectorial: y 3. H e s cerrado bajo multiplicación por escalares. wbn pariocsn: El subespacio {Oh que consta solamente del vector cero. subespario invariarte (para >1): Un subespacio //tal que Asesta en //siempre que xse encuentre en H subrspario propia: Cualquier subespaclo de un espacio vectorial V dferenie de V. wbmpariaK fundanentalm'determinados por A): El espacio nulo y el espacio columna de A. y el espacio nulo y el espacio columna de A~, con Col Arcomúnmenle llamado el espacio fila de A. subnsrtrix (de A): Cualquier matriz que se obtiene al eliminar algu ñas filas y/o columnas de A; tambiéa la propia A. sumí de c a b a l 1a suma de las entradas en una columna de una matriz. n o u de Bbc La suma de las entradas en una fila de una matriz. sumavocto-bt: Operación que consiste en sumar vectores mediante la adición de las correspondientes entradas. «rtitix-hta ny o tw (con notación matridal): La fase regresiva dp reducción por filas de una matriz aumentada que transfor ma una matriz escalonada en una matriz escalonada reducida; se utiliza para obtener la solución (o soluciones) de un sistema de ecuaciones lineales.
T tamaño (de una matriz): Dos números, escritos en la forma m x n. que especifican el número de filas (//j y de columnas (n) en la matriz. toranfc-oc Un objeto sólido tridimensional acotado por cuatro caras triangulares Iguales, con tres caras que se encuentran en cada vértice. trwvfflrmariúu (o fundón o m^Ko T de R* a R*í Una regla que asigna a cada vector x en R" un único vector 7fa en R". Notación: T . R" -♦ R". Además. T : V -» W denota una regla que asigna a cada xen V'un único vector 7W en W.
ta-aasfonoarián afta Un mapeo T : R" -> Rmde la forma 7(x) =
Ax+ b con una matriz Ade m x nyben R”. traortormodón de w a fjia u ' Una transformación que cambia A
ala forma P~lAP. br— far— d á i Bocal in n lS lr: Una transformación lineal T: R” -* Rntal que existe una función S : R" -* R"que satis face tanto 7(5(x)) = «como 5(7{x)) = xpara toda xen R”. traovftrmadán Bacal T (de un espacio vectorial Va un espacio vectorial Wj: Una regla T que asigna a cada vector x en y un úiico vector 7(x) en W, tal que i 7fu + v) = 7(«i) + 7(x) para toda n. ven V y H- 7(íu) -■c7(nj para toda aen V y todos los escalares c. Notación: T : V -* M* tambiéa x *-►Áx cuando T: R" -* R“ y Aes la matriz estándar para T. r i n f a n a d ó i ■Érfcbfc Un mapeo x —* Ax donde A es una matriz de n x n y «representa cualquier vector en R". b-ampunta (de A): Una matriz Ar de n x m. cuyas columnas son las filas correspondientes de la matriz Ade m x a. fe-aducida (por un vector p): La operación de sumar p a un vector o a cada vector en un conjunto dado, fe-y rinrk La gráfica de una solución {jfe. X].x?....}de un sistema dinámico *t-i • Ax¿: los puntos a menudo están conectados por una delgada curva, para facilitar la vlsualización de la trajectoria. Además, la gráfica x(t) para t » 0. cuando x{t) es nía solución de una ecuación diferencial x'(<) = Ax(f). traca (de una matriz cuadrada A): 1-asuma de las entradas diagonales en A; se denota como tr A trianfpriar auperkr en bloques (matriz): Una matriz partirionada A - \AtJ\ tal que cada bloque A^es una matriz cero para i > J
V volar propio (de A): Un escalar Atal que la ecuación Ax ■ Axtiene
una solución para algún vector «distinto de cero, valor propio ccmpkja Una raíz no real de la ecuación caracteris
tica de una matriz de n x n valor propio crti-fcüxonrte douáuirtr Un valor propio Ai de
ma matriz A con la propiedad de que |Ai| > |Aij para todos los otros valor propios A*de A valores angulares íde A): I-an ralees cuadradas (positivas) de los valores propios de ATA, arregladas en orden decreciente de magnitud variable fabrica: Una variable en un sistema lineal que corresponde a una columna pivote en la matriz de coeficientes, variable ■ow Cualquier variable en unsLstema lineal que no es una variable básica. «viables no c
http://www.fullengineeringbook.net 421 of 461.
A12
Glosario
w d ir cinc F*J vector único, que se denotó por 0, tal que a + 0 = o para toda u En R°. Oes el vector cuyas entradas son todas iguales a cero. wrtar cvIu w k Una matriz con una sola columna, o una sola columna de una matriz que tiene varias columnas, vector con ifc— lo dex wspwto de 3 : El vector [xj» cuyas entra das son las coordenadas de x respecto de la base B rector de comumo unitaria Un vector columna en el modelo de entrada y salida de I-eontief. que lista las entradas que un sector necesita por cada unidad de su salida; una columna de la matriz (fe consumo. rector de demanda And (o anata de dm nsdai inairm: El vec tor d en el modelo de entrada y salida de Leontief que lista los valores en dólares de los bienes y servicios requeridos por va rics sectores de la parte no productiva de la economía. El vector d puede representar la demanda de los consumidores, consumo gubernamental, excedente de producción, exportaciones, u otras Amandas externas. rector dr «pdBbrio: Véase vector de estado estable. rector de estada Un vector de probabilidad. En general, un vector qje describe el 'estado* de un sistema físico, frecuentemente en conexión con una ecuación en diferencias xt-t, = Axj. rector de estado estáfate (para una matriz estocástlca f) : Un vector d* probabilidad q tal que A| ■ q rector de ofasrrvarionrs: H vector y en el modelo lineal y » Xfi + *. donde las entradas en y son los valores observadas de una variable dependiente. rector de parámetros: El vector Incógnita 0 en el modelo lineal y * X$ + *.
rector de pnfafaBdad: Un vector en R" cuyas entradas son no
negativas y suman uno. recta- de (rafecdín: El vector en el modelo entrada y salida de
leontief que lista las cantidades que producirán los diversos sectores de una economía. rector Ba: Una matriz con una sola illa, o blea una fila de una matriz que tiene varias filas. rector normal (a un subespacio y de R"): Un vector ■ en R” tal que irx = 0 para toda xen V rector propio (de AY Un vector x distinto de cero tal que Ak = Ax para algún escalar A. rector propio conqdrj oe Un vector distinto de cero x en C" tal que A x = Ax. donde A es una matriz d e a x n , yAesun valor propio complejo. rector rnddufc la cantidad « que aparece en el modelo lineal 8 »neral: y = AJ3 + c; es decir, c = y - Xfi. la diferencia entre los valores observados y los valores predichos (de y). rector unitaria Un vector etal que ||ej| - 1. rectora i» .* * : \fectores en (Rn cuyas entradas correspondientes son las mismas. rector a Encatuuáf knleprnSales: Un conjunto indexado {xi.... vp) con la propiedad de que la ecuación vectorial CiXi + + — + c p f = • solamente tiene la solución trivial, o - ••• - cp - 0 . rectora ¿ p i r e» derecho» (de A): las columnas de y en la descomposición de valores singulares A = LTS.Vr. rectora é m ffú v m iupitrdm (de A): Las columnas de U en b descomposición en valores singulares de A « U l V^.
http://www.fullengineeringbook.net 422 of 461.
Respuestas a los ejercicios con numeración impar Capítulo 1
»
2
4
8
2 L 3
4 6
6 9
8 12
r
Sección 1.1. página 14
• M
■
*]
Si Rem plazar la Fila 2 por su sum a c o n - 4 por la Fila 3. y después sustituya la Fila 1 por s u sum a co n 3 por la Fila 3.
r■
»i o
(2.1)
- ( - 8 . 3 ) . o sim plem ente. ( - 8 3).
o
i
jj )
■
La solución e s (*i.
o
L
Colum nas pivote 1 y 3:
r0 • l 0
JC, = - 5 - 3 * ; * i es libre.
9.
7. El conju n to solución e s vacio. a la
(16. 21. 14. 4)
11. Inconsistente
(5, 3, — 1)
15. Inconsistente
0_ [*» = 3 + 2*5 = 3 + 2*5 r* es Ubre.
'*> = \ x j - 5*5 ,t j es libre, t j es libre.
17. Los cálcu lo s Indican que el sistem a e s Inconsistente, de m anpra que las tres rectas no tienen p unto e n c o m ú n • la
A* 2
• 23
Sugerencia: M arque un enunciado com o verdadero solam ente s i siem pre e s verdadero. D ar aquí las respuestas se ría frustrar la finalidad de las preguntas falso-verdadero, las cuales pretenden ayudarle a leer c o n cuidado e l libro.
*i = .ti = .t j es •t4 = *5 es
13 .
• H . f e r a toda A.
15 4
5 + 3*j 1+ 4t3 libre. 4 - 9*5 Ubre.
C onsistente, con m uchas soluciones.
A C onsistente, con m uchas soluciones.
25 k - 2g+ h = 0
*17.
27.
* 1®. 4 Inconsistente cu an d o A = 2 y k * 8.
La red u cció n por filas de
a c
f 1 g \
b d
3
r« [0
b d - b ( \)
f] * -/($ )J
P ira to d a A.
A
S olución única cu ando A # 2.
d
M uchas soluciones cu an d o A = 2 y k = 8,
Indica que < /-A (* )< fe b e s e r diferente de cero, y a q u e í y g son arbitrarias. D e otra form a, para algunas eleccio n es de / y g la segunda fila podría corresponder a una e cu ación de la form a 0 = q. donde q e s diferente de cero. Por lo tanto, a d * b e
* 21. Sugerencia: Lea el texto c o n cuidado y escriba las respuestas. Recuerde, un enunciado e s verdadero so lo s i e s cie rto en todos los casos.
2a
Intercam bie la s F ilas 1 y 3; Intercam bie las F ilas 1 y 3.
*23
31.
Rem place la F ila 3 por la Fila 3 + ( —4)Fila 1; rem place la R ía 3 por la Fila 3 + (4)Flla 1.
33
Sugerencia: Revise el problem a de práctica 1 y después escriba una solución.
Sección 1.2. página 25
2
0 0
0 1 0 0
1 0 0 0
0 0 1 0
0 0 0 1
a b c d
y asi.
1. Form a escalonada reducida: a y b. Form a escalonada: d No está e n form a escalonada: c.
a
C om o h ay cuatro pivotes (uno e n cada colum na de la m atriz d? coeficientes), la m atriz aum entada se debe reducir a la form a
Xi
—a xj
= b jr>
= c
xt = d
A13
http://www.fullengineeringbook.net 423 of 461.
A14
Ftespuestas a los ejercicios con numeración Impar S in im portar kis v alo res á? a, b. c y d, la solución existe y es única.
2 5 . Si la m atriz de coeficientes tiene una posición pivote e n c ada fila, entonces existe una posición pivote e n la fila inferior, y no h ay lugar para un pivote e n la colum na au m en tad a A sí. de acuerdo c o n el teorem a 2. e l sistem a e s consistente. 27. Sí un sistem a lineal e s consistente, entonces la so lu ció n e s ú rica s i y so lo s i cada colum na de la m atriz de coeficientes
es una colum na p ivote; de ¡o contrario, existe una infinidad de soluciones. 2a
11. No. b n o e s una com binación lineal de * . * y fe. 13 13
N o. b n o e s una com binación lineal de las colum nas de A b = 3.
17. D esde luego, so n aceptables los pesos que no son e rte ro s. pero algunas elecciones sencillas s o n O v , + 0 - *2 = O. y
Un sistem a subde term inado siem pre tiene m ás v ariables que ecuaciones. N o pueden existir m ás variables b ásicas que e c u a ciones. asi q ue al m enos una variable es libre. A tal variable se le puede asig n ar una infinidad de valores distintos. Si e l d sterna e s consM ente, entonces cada valor diferente de una variable Ubre producirá una solución distinta.
31. Si. u n sistem a de ecu aciones lineales con m ás ecuaciones que incógnitas puede se r consistente. El siguiente sistem a tiene n ía so lu ció n (x, = x i = 1):
Xi + Xi — 2 x, -
m
G en {vi, v?) es el co n ju n to de puntos sobre la recta que pasa p or v i y 0 ya que vs e s u n m últiplo de vi.
a.
Sugerencia: D em uestre que [ _ 2
x, = 0
* 1 es consistente
para toda b y k. E xplique qué Indica este cálculo acerca de G e n { a ▼}.
3x> + 2 x 2 = 5 33. / > ( / ) -
2
1 + 3f + 2f 1
23
Sección 1.3, página 36 * 23
*•[-?]•
Sugerencia: Lea con cuidado toda la se c c ió n Ponga especial atención a las definiciones y los enunciados de teorem as, y tam bién a cualquier observación que aparezca antes o después de ellos. 4
No, tres.
4 Sí, u n núm ero infinito
3. 27. 4
■ 2v
4
4 2 ft
{i]
s " = 0 9
+ *2
+
5X2 ' 0 -9X 2
5 * ,'
f
3*i
—2*i
8* .
'i 9 * :.
3*i + ~2*i
5*2 =
L
=
33
[» £ )
|M | 1.73 días para la m ina #1 y 4.70 d ías para la m in a #2.
(1 7 /1 4 . - 3 4 / 1 4 . 16 /1 4 ) = (1 7 /1 4 . - 1 7 / 7 . 8 /7 )
4
2' -3 8
l a salida total e s x¡vi + q v i . a si que xi y áj deberían satisfacer X|V| + x 2*2
-2v
r
e s la salida de 5 dias de operación de la m ina # 1.
Sum e 3.5 g e n (0. 1). sum e 0.5 g e n (8. 1). y sum e 2 g en (2. 4).
Sugerencia: Revise e l problem a de práctica 1 y después escriba una s o lu c ió n
2' -3 8
Sección 1.4. página 44
21 3 8j
L
El producto no está definido porque e l núm ero de colum nas (2) e n la m atriz de 3 x 2 no concuerda c o n e l núm ero de entradas (3) e n el vector.
a
4 ^ 1
2
i
= -3
8xi —9X2 = 8
+ 3
-3
1
lúi general, no se m uestran los pasos interm edios. ’- 2l 7 . a = u - 2 v . b = 2 u - 2 v. c = 2 u - 3.5v, d = 3 u - 4 v Sí. cad a v ecto r e n O í e s una com binación lineal de ■ y v.
+ "I 1 6' 3 18
http://www.fullengineeringbook.net 424 of 461.
[
0
Respuestas a los ejercicios con numeración Impar A15
' 4
dx =
-
1 -3 1
1 eJL
Cj = l.cj = 2,c4 = -1, c, = 2. y
’
2 "1 r _ 2 i s i 3J
1 • (—2) + 2 * ( 3 ) * (—3) • ( - 2 ) + 1 • (3) . 1 -(-2 ) + 6.(3) .
▼i=
' 41
• Presente su trahajo h asta aquí y tam bién para los ejercicios 4 a 6. pero de aquí e n adelante efectúe los cálculos m entalm ente.
-3 . t2 = 5. ' 9' - 2 • *5 =
* 29. Sugerencia: Inicie c o n cu alq u ier m atriz B de 3 x 3 e n form a escalonada que tenga tres posiciones pivote. * 33. Sugerencia: Pregúntese cu án tas posiciones pivote tiene A y porqué.
7.
' 4 - 5 -1 3 7 - 5 -4 1
7 " r* h -8 0 I X■ i j 2
'
* 35. Suponga que y y i sa tisfac en A y - x Entonces. 5* = 5Ay. De acuerdo c o n el teorem a 5(b). 5/1y =» d(5y). A si. 5* = d(5y). b que m uestra que 5 y e s una solución de A x = 5x. Por lo ta n ta la e cu ació n A x = 5 * e s consistente.
6' -8 0 -7
37.
|M) Las colum nas no generan a R 4.
39.
|M ) Las colum nas generan a R 4.
41.
|M ] Elim ine la colum na 4 de la m atriz del ejercicio 39. Tam bién e s posible elim inar la colum na 3 e n vez de la colum na 4.
Sección 1.5, página 51 13
SI. (Justifique su respuesta).
13
La ecu ació n A x = b no es consistente cuan d o 3b\ + b¡ e s rife rente de cero. (M uestre su trahajo). El conjunto de vectores b p a r a los cu ales la e cu ació n as consistente e s una recta que pasa por e l origen (el conjunto de todos los puntos {b\. 6¿) que sa tisfac en b¡ - -3 A i],
1.
El sistem a tiene una so lu ció n no trivial porque existe una variable libre. X).
i
El sistem a tiene una solución no trivial porque h ay una variable libre, &
17. S o lo tres filas co n tienen una p osición pivote. De acuerdo c o n el teorem a 4. la e c u a c ió n .Ax = k n o tiene una solución para cada b e n R*. lft
El trab ajo del ejercicio 17 Indica que el enu n ciad o di e n el teorem a 4 e s falso. D e m anera que los c u atro enunciados dpi teorem a 4 so n falsos. Por lo tanto, no todos los v ecto res en R 4 se p ueden escrib ir com o una com binación lineal de las colum nas de A A dem ás, la s c olum nas de A /w g e n era n a R 4.
t i.
La m atriz (vi ** * s| no tiene un pivote e n cada fila, de m anera que. de acuerdo con el teorem a 4. las c olum nas de la m atriz no g en eran a R 4. E s decir, {*i, y?. * ,} no genera a R 4.
t i
11. Sugerencia: El sistem a obtenido a partir de la form a escalonada reducida es
xi ~ 4 x2
Sugerencia: lit a e l texto c o n cuidado y m arque c ad a enunciado
-
0
=
0
Las v ariables básicas so n xi. * y a j. L as restantes variables son Ubres.
o de m anera equivalente. "(enunciado 2). s i (enunciado 1>". M arque tal Im plicación com o verdadera si el «enunciado 2» e s válido e n lodos los casos cuando e l «enunciado 1> e s verdadero,
13. x
-HH-i]-
C|
-3,
p + x j q . G eom étricam ente.
d co n ju n to solución es la recta que pasa por
t i f | - -3 , c2 - - 1 . Q - 2. tn . 1.a ecu ació n m atriclal s e puede e scrib ir com o C\*i ♦ W <+ cjtj *=¥4. donde
x6 = 0
X, - 4x» = O
com o verdadero o falso. Varias partes d e los ejercicios 29 y 30 so n Im plicaciones áe la form a ‘S i (en u n ciad o 1). entonces, (enunciado 2)*
+ 5xé = 0 xj
(-!]
http://www.fullengineeringbook.net 425 of 461.
B]
paralela
A 16
Respuestas a los ejercicios con numeración impar
1
1& Sean
[ :} " [ ]
• 31 L a solución de la
ecuación hom ogénea es * = x?u + xy*. e l plano que pasa por el orig en gen erad o por u y v . E l con ju n to solución del sistem a no h om ogéneo e s x = p + + « t e l plano que p asa por p paralelo a l conju n to so lu ción de la e cu ació n hom ogénea.
17. x
-4
lecta que pasa por
\+xA
. El co n ju n to solución es la
paralela a la recta que e s e l conjunto
solución del sistem a hom ogéneo del ejercicio 5. 19. x = a + /b. donde /rep resen ta un parám etro, o
-2 -5 /
35
S u ejem plo deberla tener la propiedad de que la sum a de las entradas e n cada fila e s cero. ¿P or qué?
Una respuesta: x = ^ _ j j
• 3 7 . Una respuesta e s A =
£|
j Si b e s cualquier vector
que n o e s m últiplo de la prim era colum na de A. entonces el conjunto so lu ció n de A x = b e s vacio y. por lo tanto, no se puede form ar al trasladar el con ju n to solución de A x =* 0 E sto no contradice el teorem a 8 porque este últim o s e aplica cuando la ecu ación A x = b tiene un conjunto so lu ció n que no es vacio. 3 ft Suponga q u e Aw - O y Am - Q Entonces, com o A (x + w) = A x + A w , de a cu erd o co n e l teorem a 5(a) de la se c ció n 1.4. ¿ ( x + w j = A v + / i w = 0 + 0 = 0 Ahora, se a n c y d escalares. U tilizando am b as p a n es del * orem a 5. A (m + dm) - A (r*) + A(cht¡ = cA x + dA m = cQ + dO - O
= P + « q -p ) = [ _ j ] + < [ { ] 25.
27.
4
,tw = .4(p +■ v») = /1p + A \ t = b + 0 = b
4
A \ h = /4(w — p) = A v r — i4p = b — b = 0
(Argum ento geom étrico con base en e l teorema 6) C om o la ecuación A x = b e s consistente, entonces, de a cu erd o con d teorem a 6. s u c o n ju n to solución s e obtiene trasladando el conjunto solución de A x = O Asi. e l conjunto solución de A x - b e s un so lo v ecto r si y so lo si e l conjunto solución d i A x = O es un solo vector, y e s o o curre si y so lo si .Ax = 0 solam ente tiene la so lu ció n trivial.
S e c c i ó n 1.6 . p á g i n a 5 8 1. La solución general e s pa - 0.875/&. con /x, libre. Una solución de equilibrio e s = 1000 y p a = 875. Em pleando fracciones, la solución general s e podría escribir com o ph = ( 7 /8 ) p s . y una elección natural de precios podría s e r p s - 80 y p& ■* 70. Solo la r a zó n d e precios e s im portante. El equilibrio eco n ó m ico no se altera por el cam bio proporcional e n los precios.
a 4
(D em ostración con var/aN es ¡ibre¿) Si A x - b tiene una
D istribución de la producción de: C y E M an. Serv.
solución, en to n ces la solución e s única s i y solo s i no hay variables libres e n e l sistem a de ecuaciones correspondiente, es decir, s i y so lo s i toda colum na de A e s una colum na pivote. Esto ocurre si y solo si la e cu ació n A x = 0 tiene solam ente la solución trivial. 29 l 4 C u an d o A e s una m atriz d e 4 x 4 con tres posiciones pivote, la ecu ació n A x - O tiene una variable libre y. por lo tanto, tiene soluciones no triviales. 4 C on tres posiciones pivote. A no tiene una p osición pivote en cad a una de s u s cuatro filas. Según e l teorem a 4 de la secció n 1.4. la e cu ació n A x = b no tiene una solución para cad a posible b I j t palabra * posible" e n el ejercicio significa que los únicos vectores considerados e n e ste c aso so n lo s q ue e stá n e n R4, e sto porque A tiene c u atro filas. 31.
Salida
4 r - . 8-9 L -l
C on d o s posiciones pivote y tres renglones. A no puede * n e r un pivote e n cada re n g ló n Asi. de a cu erd o con el teorem a 4 de la sección 1.4. la ecu ació n A x = b no puede ten e r una solución para cada pasible b (en R 3).
l
1
.1
.8
.1
.1
.8
.2 .4 .4 - .2 - .4 .6
.9 - .8
Entrada C om prados por: —Cy E Man. — Serv.
°1 0 oj
«í iM)/JcyR - 30. p * - 71. p s = 100.
& 4 D istribución de la producción de: Agr. M an. Serv. Transp.
4 C uando A e s una m atriz de 3 x 2 con d os posiciones pivotes, cad a co lu m n a e s una colum na pivote. A si. la ecu ación A x - O no tiene v ariables libres y. por consiguiente, no tiene so lu ció n no trivial.
4
i .1
.20 .20 .30 .30
4
\
\
.35 .10 .35 .20
.10 .20 .50 .20
* .20 .30 .20 .30
E ntrada C om prados p o r — -► — -*•
Una solución e s p \ = 7.99. p u = 8.36.
y/?r =* 10.00.
http://www.fullengineeringbook.net 426 of 461.
A gr. M an Serv. Transp. = 14.85.
Respuestas a los ejercicios con numeración Impar A17
4
Distribución de la producción de: Agr. Man. Serv. Transp Salida i l 1 i Entrada Comprados por: 20 .35 .10 .20 — Agr. .10 .10 .20 .30 -*■ Man -*■ Serv. .40 .35 .50 .20 JO .20 .20 .30 Transp Una solución es Pa - 7.81. pu , - 7.67. /% - 15.62. y pr = 10 .00 . La campaña ha beneficiado sobre lodo al sector de servidos.
7. 3NaHCOj + HjQH j O, -* Na&HsOr + 3HjO + 3COj 9. BjS j + 6HjO —►2H}BOj + 3H2S 1L 1M) !6MnS + l3AsiCr»Oj5 + 374H:S04 -►
—40 *í = xy + 10 X i es libre x* = x 6 + 50 x s = X t + 60 jr4 es libre X\
• 35. \ferdadero. de acuerdo con el teorema 9.
Xy
^
.t2 = Xs = r4 * Xs =
50 40 50 60
•37. Verdadero. Una relación de dependencia lineal entrevi. *2y se puede ampliar a una relación de dependencia lineal entre ▼i. sr2. Ts y colocando un peso cero en Ti. 41. [MI Utilice las columnas pivote de A.
"
= 60 + x b
x2 =
-1 0
+ xt
' 3 - 4 7' - 5 -3 -1 1 " 4 3 2 8 -7 4
Otras elecciones son posibles.
X) = 90 + x t
43. [M[ Cada columna de A que no es columna de flestá en el conjunto generado por las columnas de B.
x 4 - Xt, Xs
*31 Verdadero, según el teorema 7.
16H M nO « + 2 6 A s H j + I3 0 ü S ,O ,2 + 3 2 7 H jO
=
Xi
• Mi A: Cualquier matriz de 3 x 2 cuya segunda columna es un múltiplo de la primera tendrá la propiedad deseada. B. Funcionará cualquier matriz de 3 x 2 con dos columnas dferentes de cero tales que ninguna de ellas sea múltiplo (fe la otra En este caso. las columnas forman un conjunto llnealmente independiente, y así la ecuación Bx - ©solo tiene la solución trivial.
= 80 + x 6
x 6 es libre
fóra que el flujo sea no negativo. % 2 10. Sección 1.7. pág. 64 Justifique sus respuestas a los ejercicios 1a 22. L Linealmente independientes.i lJnealmente dependientes. S
linealmente
a 4 Ninguna A
independiente. 7. Llnealmente dependiente,
13 fóra toda A
LJnealmente
dependientes
17. Linealmente
dependientes
23
r*1 r0 [0 oj •l0 '■ *_ '0
5. X
no es única
x
solución única
•7. a = 5. b = 6
' 4' a X 0 II. Sí. porque el sistema representado por [A k[ es consistente.
l a Linealmente independientes * Z 3.
a
■-UH»]
4 Para toda A
11. h = -A . 13
Sección 1.8. página 72
-i r
o}[ ■' 0 ■ y 0 0 0 0 0 0 0 0 0 0
•87. Las cuatro columnas de la matriz-4de 6 x 4 deben ser columnas pivote. De lo contrario, la ecuación Ax = Otendria una variable libre; en tal caso, las columnas de Aserian linealmente dependientes.
Reflexión a través del origen.
http://www.fullengineeringbook.net 427 of 461.
A18
Respuestas a los ejercicios con numeración impar m
xt
T(m * » •
rm
*.i
31. Sugerencia: Corvo {v,. v*. Ts) es linealmente dependiente,
se puede escribir cierta ecuación y trabajar con ella.
a . Sugerencia: li>a el texto con cuidado y escrita sus respuestas. Observe que el ejercicio 21 » es una oración efela forma
33 Una posibilidad es demostrar que Too mapea el vector cero ene! vector cero, algo que .s/hace toda transformación lineal: 7(0. 0) = (0. -3. 0).
"{enunciado 1>si y solo si (enunciado 2>\
3& Tome u y ven R3y sean cydescalares. Entonces.
Marque dicha oración como verdadera si el (enunciado I) «s válido siempre que el (enunciado 2>también lo sea /e l (enunciado 2>es verdadero siempre que el (enunciado 1> s a verdadero.
cu + d \ = (cu, + di3 \. cu 2 + dv3,c u j + dvy) La transformación Tes lineal porque T(cu + d v) = = = =
23. 4 Cuando b = 0. /W = mx. En este oso. para toda x. /en R
y todos los escalares c y d, f { c x + d y ) = m ( c x + d y ) —m e x + m d y = c(m x) + d(m y)
(cui + dtii.O.cuj + d v 3) (cu i.O. cu j) + {dvi.O .dü}) c(ui.O. uj) + (vi.0. uj) c7-(u)+dr(v)
37. [M| Todos los múltiplos de (-1 .-1 . I. 0)
= c • / ( x ) + d ■/ ( y )
3Hi (M)
Sí. Una elección para xes (1.2. 0. 0).
Esto demuestra que fe s lineal. Sección 1.9, página 82
4 Cuando /I» = mx + b, con b distinto de cero. A0) - iri.0 ) + b - b + 0.
'3 - 5 ' 1 2 3 0 . 1 °.
4 En cálculo, fe s una "función lineal" porque la gráfica de f es una recta. 25. Sugerencia: Demuestre que la Imagen de una recta (es decir,
d conjunto de imágenes de todos los puntos sobre una recta) * puede representar por la ecuación paramétrica de una tecta.
l
1 1
>T2
.-3 ' 1
Oí »J
I/V5l/v ^ J
11. La transformación descrita Tmapea e en -e , y mapea
en -*s. Una rotación de it radianes también mapea c, en -®i y mapea «t en Como una transformación lineal está completamente determinada por su acción sobre las columnas de la matriz Identidad, entonces la transformación de rotación tiene el mismo efecto que 7sobre cada vector en R2.
27. Cualquier punto x sobre el plano Psatisface la ecuación paramétrica x = su + rv para algunos valores de s y L Fbr llnealidad, la Imagen 7(x) satisface la ecuación
paramétrica *1 3
7(x) - 571a) + r71v) U t en R)
(*)
0 conjunto de Imágenes es justamente Gen {7\a>. 71»}. Si 7(n) y 71» son llnealmente independientes. Gen {71o), 71») es un planoa través de 71o). 7(». y O Si 7(o) y 71» son linealmente dependientes y no son nulos a la vez. entonces Gen {71», 71»} es una recta qje pasa por Q Si 71a: = 7(» = O entonces Gen {71a). 71»} es (O)
712.1)
http://www.fullengineeringbook.net 428 of 461.
71-5)
Respuestas a los ejercicios con numeración Impar A19
2 1 0
19.
-4 0 -1
0 -1 3
7 . /?¡ = v.
-5 1
[
12 -7 0 —4
[M j:
-7 15 -6 0
' V /j /j
l
m
No es uno a uno. y no mapea R4sobre R4. a
£7. No es uno a uno, pero mapea Rs sobre Rz.
1
0 -6 14 -5
- 4 "I 0 -5 13
40' 30 20 -1 0
h h 14
' 1 1 .4 3 ' 10.55 8.04 5.84
” M xt para k ■ 0. 1. 2....donde f.9 3
.0 5 ]
u
■*J
y
r 800.000] [ 500.000 J
*°
La población en el 2012 (para k = 2) es x 2 =
■
5 55
280
0 31 Sugerencia: SI «yes la/ésíma columna de /„ entonces file, es la/éslma columna de B 3S Sugerencia:¿Fs posible que m > n?¿Qué ocurre con m < ríl 37. ;M| No. (Explique por qué). 3a
;M ]N o . (ExpÜque por qué).
Sección 1.10. página 90 'n o ' 4 20 2
‘ 13 0 “ '2 9 5 ' 9 3 + *2 — 48 18 8 5
donde *1 es el número
de porciones de Cheerlos. y x¡ es el número de porciones de 100% Natural Cereal.
'no 4 20 2
4
13 0 ' 3 18 5
M L*aJ “
'2 9 5 ' 9 48 8
Mezcle 1.5 porciones
de Cheerios con 1 porción de 100% Natural Cereal. a 4 Oberla mezclar 0.99 porciones de Mac and Cheese, 1.54 porciones de brócoli, y 0.79 porciones de pollo para obtener el contenido nutricional deseado.
* 11. 4
.001671
.98363 .0 16 37
M
4 |M| **
-[
.9 9 8 33J
30.754,500 229.449.000
]
‘ 11 ¡Mj 4 Disminuye la población de la ciudad Después de 7 años, las poblaciones son aproximadamente iguales, pero la población de la ciudad continúa disminuyendo. Después de 20años, en la ciudad solo hay 417,000 habitantes (valor redondeado a partir de 417.456). Sin embargo, cada año parecen reducirse los cambios en la población. 4 la población de la ciudad se incrementa lentamente y disminuye la población suburbana. Después de 20 años, la población de la ciudad ha crecido de 350,000 a cerca de 370,000.
Capitulo I Ejercicios complementarlos, página 92 4 F ¿F *4 V 4 F v
4 F 4 F 4 V ñ v 4 F
4 i) 4 4
V V V F
4 F F 4 v 4 F
J\
4 4 4 4
V V F F
/> i) 4 4
v F V V
3. 4 Cualquier sistema lineal consistente cuya forma escalonada es
4 Deberla mezclar 1.09 porciones de pasta integral y queso rheddar. 0.88 porciones de brócoli. y 1.03 porciones de pollo para lograr el contenido nutricional deseado. Observe que esta mezcla contiene significativamente menos brócoli. asi que a ella le deberla gustar más.
5. R\ = v.
' 11 -5 0 0
-5 10 - 1 0
0 0' -1 0 9 -2 -2 10 '
(M I:
i
I2 h I*
=
3 .6 8 ' -1 .9 0 2 .5 7 -2 .4 9
'
h h u
—
50' -4 0 30 -3 0
4 Cualquier sistema lineal consistente cuya forma escalonada reducida es hr) Cualquier sistema lineal inconsistente de tres ecuaciones con tres variables. & 4 □ conjunto solución: Les vacio si h - 12 y k i 2; ¡Lcontiene una única solución si h * 12; S. contiene una infinidad de soluciones si h - 12 y k ■ 2. 4 El conjunto solución es vacio si k + 3/t = 0; de k>contrario, el conjunto solución contiene una única solución.
http://www.fullengineeringbook.net 429 of 461.
A20
Respuestas a los ejercicios con numeración impar
4 (M) Utilice 2 pisos del plan Ay 15 pisos del plan B. O bien, use 6 pisos del plan A. 2 pisos del plan B. y 8 pisos del plan C Esas son las únicas soluciones factibles. Hay otras soluciones matemáticas, pero requieren un número negativo (o una fracción) de pisos en uno o dos de los planes. k>cual carece de sentido ftslco.
7. 4 Sean v¡
"Determine si «i.
generan R3\
Solución: No. 4 Sea
' Determine si las columnas
A
de A generan OI3'. d Defina 7(4 " Ax "Determine si T mapea R3 sobre R3*.
Capítulo 2
Sección 2.1, página 110
'-4 0 2 ] r 3 -8 - J I :-71 ,31 -ó j r1 -3■ 55ij lr9* --,5ó ji 10
.
10 Sugerencia: Construya una "malla" sobre el plano x\%
exterminada pora, y » 11. Un conjunto solución es una recia cuando el sistema tiene
nía variable libre. Si la matriz de coeficientes es de 2 x 3. entonces dos de las columnas deberían ser columnas pivote. fiar ejemplo, tome £ ^
^
| j. Ponga lo que sea en la
[°
3
>]~[>
AB
b.
5 2}
AB
12. Sugerencia: ¿Cuántas variables libres hay en la ecuación ¿ x -
o
15. 4 Si los tres vectores son línealmente independientes, entonces a, c y /‘deben ser diferentes de cero. 4 Los números a ..., /pueden tener cualesquiera valores. 1& Sugerencia: Usté las columnas de derecha a izquierda c o m o *4 17. Sugerencia: Utilice el teorema 7. 19. Sea iV/la recta que pasa por el origen que es paralela a la recta que pasa por * 2 y Entonces. - T| y Vj - v, están en M De manera que uno de esos dos vectores es múltiplo del otro, por ejemplo, ^ - ▼,). Esta ecuación produce nía relación de dependencia lineal: (i - 1 )*, + ^ - ivs = Q Una segunda solución: Una ecuación paramétrica de la recta es x = *1 + /(vj - v,). Como v,está sobre la recta, existe alguna tal que » x, + $j(x? - ▼,) « (1 + Ifcx?. Así que x, es una combinación lineal de x, y x¿. y {x,.x2. Xj)
6
no está definida.
’-IO ' n n 0 . -4b: = 8 26 b l9 ] '-1 0 111 = 0 8 26 -1 9 j —1• 4 + 3(—2) —1(—2) + 3*3 2*4 + 4(—2) 2(—2) + 4- 3 5 • 4 —3(—2) 5(—2) - 3 - 3 -10
0
ir 8
26 —19_ • 9. * = -2
7. 3 x 7
oj
-5
-7
5. a /Ib, =
columna 3. La matriz resultante estará en forma escalonada. Haga una operación de remplazo de filas sobre la segunda fila para crear una matriz que noesté en forma escalonada. tal como
4
•1L
‘ 5 AI) =
10 15
6 12
6* 10 , D A = 15 12
■ 5
6 6
10 12
151
5 10 1 12J
la multiplicación por la derecha por D multiplica cada columna de A por la entrada diagonal correspondiente en D La multiplicación por la izquierda por D multiplica cada ñ/ade A por la entrada diagonal correspondiente en 12
13 Sugerencia: Considere que una de las dos matrices es Q.
17.
h - [ ;].* - [ ! ]
* Ift la tercera columna de ABes la suma de las primeras dos columnas de AB. He aquí por qué. Escriba fl = |k¡ k k|. Por definición, la tercera columna de ABes Ak,. SI kj = k + kt. entonces Akj = /l(k¡ + k>) - Ak, + Ak>. debido a una propiedad de la multiplicación matriz-vector. * 21. Las columnas de Ason línealmente dependientes. ¿Porqué? • 23 Sugerencia: Suponga que «satisface A x = Q y demuestre que x debe ser O
http://www.fullengineeringbook.net 430 of 461.
Respuestas a los ejercicios con numeración Impar A21
25, Sugerencia: Utilice los resultados de los ejercicios 23 y 24, y aplique la ley asociativa de la multiplicación al producto CAD.
23 Sugerencia: Si A x = Osolo tiene la solución trivial, entonces
no existen variables libres en la ecuación A x » O, y cada columna de Aes una columna pivote.
27. urv = v'u = -3a + 2 b - S e .
25 Sugerencia: Considere el caso a = b = 0. Después, considere
-3o -3 h -3c 2o 2 b 2c —5a -5 b -5c —3a -3 b -3c
la 2b 2c
d vector ^ * j, y considere el hecho de que a d - he = 0. 27 Sugerencia: Para el inciso a), intercambie A y B e n el cuadro
-5o
qje sigue al ejemplo 6 de la sección 2.1. y luego remplace ¿/por la matriz identidad Para los incisos d> y d. Inicie escribiendo
-5 b
-5c
ÍS . Sugerencia: De acuerdo con el teorema 2b). demuestre que la entrada (/. J) de A (B + Q es igual a la entrad* (i. J) de AB+AC.
3L Sugerencia: Utilice la definición del producto / el hecho de que Ij l = x para toda x en R”.
A =
‘ fila, (A)] flla2M> fllasM) J
y considere
3a Sugerencia: Primero escriba la entrada « J de {AB)T, que es la entrada (J. i) de AB. Después, calcule la entrada (L J) en BrA r. y considere el hecho de que las entradas en la fila / de BTs m b u .... b& porque provienen de la columna /de B, yel hecho de que las entradas en la columnaJ d e A Tson 3j \ ... aja ya que provienen de la filajóe. A.
2a
*[:: ?]
8 10 7/2
3 4 3/2
-I
I
1/2 J
33. La forma general de A-1 es
B
B
1 0 -1 I 0 -I
35 [Mj Aquí la respuesta depende de la elección del programa de matrices Para MATLAB. utilice el comando hel p para leer sobre 7.er os. ones, eye y di ag, Para la TI 86. estudie las instrucciones di m fl 11 e 1d ea La TI-86 no tiene un comando ‘diagonal’,
Sugerencia: Paraj - I a sean a, k, y «>las/éslmas columnas de A. B e L respectivamente. Considere que
37. M| Muestre sus resultados e informe sus conclusiones.
**-%•! yA =
h ,
1... n~ *•
= «t,
3R :M] Muestre sus resultados e informe sus conclusiones. 41. las matrices parecen aproximarse a la matriz
1/3 1/3 1/3
1/3 1/3 1/3
37. C
Sección 2.2, página 119
r 2 ’34J1 [-5 /2
& x} = 7yx ¡ = -9
. Encuentre esto reduciendo por illas a [A «s).
1/3' 1/3 1/3.
3L
,r
i
; i - ' í - 3 " ' l e 1 - 21 -7 /3 J
■i]
3a [M] Las deflexiones son .62. .66 y .52 pulgadas, lespectivamente. 41. [M] 95, 6.19. 11.43 y 3.81 newtons, respectivamente.
Sección 2.3. página 125
* -ro tfH -S M S ] 1L La demostración se puede modelar después de la demostración del teorema 5. • 1 3 A B = A C * * A -' A B = A ~ ' A C * 1 B = 1 C -* B*= C
No. en general. B y C pueden ser diferentes cuando A no es lnvertlble. Véase el ejercicio 10 de la sección 2.1. *15 Sugerencia. A la matriz \A. B\. aplique las matrices elementales
empleadas para reducir por filas A a l. 17. D = C ' B ' A
1
Demuestre que ¿^funciona.
19 Después de encontrar X - C B - A, demuestre que X es una solución. * 21 Sugerencia: Considere la ecuación Ax = O
La abreviación IMT denota el teorema de la matriz Invertible {Inver tibie M atrix Theorem. teorema 8). 1. Invertible, de acuerdo conel IMT. Ninguna columna de la matriz es un múltiplo de la otra columna, de manera que son llnealmente independientes Además la matriz es invertible según el teorema 4 de la sección 2.2. ya que el determinante es diferente de cero. 3. Observe que Ar tiene un pivote en cada columna, de modo que (feacuerdo conel IMT, Ares invertible. Entonces, según el IMT. A también es invertible. 5 No es Invertible, de acuerdo con el IMF. Como esta matriz tiene una columna de ceros, sus columnas forman un conjunto linealmente dependiente y. por consiguiente, la matriz no es lnvertlble.
http://www.fullengineeringbook.net 431 of 461.
A22
7
Respuestas a los ejercicios con numeración impar
InvertiWe. de acuerdo con el IMT, 1jí matriz se reduce por Ulas a 0 1 ’ -1 -3 0 -4 8 0 0 0 3 0 0 0 0 1 y tiene cuatro posiciones pivote.
9
• 37 Sugerencia: Considere las matrices estándar de T y U.
[M] La matriz de 4 x 4 tiene cuatro posiciones pivote, asi que « InvertiWe por el IMT.
11 Sugerencia: Intente responder las preguntas apoyándose en una cuidadosa lectura del texto. 13 Una matriz cuadrada triangular superior es Invertible si y solo sí todas las entradas de la diagonal son diferentes de oero. ¿Por qué? Atoa. Las respuestas que se muestran a continuación para los ejercicios 15 a 29 mencionan al IMT. En muchos casos, una pane o la totalidad de una respuesta aceptable también podría basarse en resultados que se emplearon para establecer el IMT. 15 No, porque el enunciado A)del IMT entonces sería falso. Una matriz de 4 x 4 no puede ser invertible cuando sus columnas no generan R4. 17, Si Atiene dos columnas idénticas, entonces sus columnas son linealmente dependientes. El inciso e) del IMT indica que A no puede ser Invertible. 19 D es Invertible por el enunciado e) del IMT. Asi. la ecuación £k = b tiene una solución para cada ben R . de acuerdo con d enunciado g) del IMT. ¿Podría agregar algo más? 21 1.a matriz C no puede ser Invertible, de acuerdo con el teorema 5 de la sección 2.2 o según el párrafo después del ÍMT. Así, el enunciado g) del IMT es falso y también lo es H). Las columnas de Cno generan R". 23 bl enunciado g del IMr es falso para F, de manera que también es falso el enunciado d). Es decir, la ecuación F x = Otiene una solución no trivial. 25
Sugerencia: Primero utilice el IMT.
27 Sea Ría Inversa de AB. Entonces. ABW = /y A(BW) = 1. Fbr desgracia esta ecuación por si misma no prueba que A es InvertiWe. ¿Por qué no? Termine la demostración. 29 Como la transformación x*-*Axes uno a uno. entonces el enunciado f) del IMT es verdadero. También es verdadero el enunciado A. y la transformación x Ax mapea Resobre Rn. También. A es invertible, lo cual, de acuerdo con el teorema 9, implica que la transformación x-* Axes InvertiWe. 31 Sugerencia: Si la ecuación A x = b tiene una solución para cada b. entonces A tiene un pivote en cada fila (teorema 4 de la sección 1.4). ¿Podrían existir variables libres en una ecuación Ax = b? 33 Sugerencia: Primero demuestre que la matriz estándar de Tes InvertiWe. Entonces, utilice un teorema o más para demostrar que r ‘(x) = B x donde B = \ ]
• 35 Sugerencia: Para demostrar que Tes uno a uno. suponga que n«) - T[V) para algunos vectores u y ven R". Deduzca que u = v. Para demostrar que Te.s sobre, suponga que y representa un vector arbitrario en R° y utilice la inversa S para producir una xtal que 71*) = y. Es posible dar una segunda demostración empleando el teorema 9Junto con un teorema de la sección 1.9.
9\
39 Si Tmapea R"sobre R". entonces, de acuerdo con el teorema 12 de la sección 1.9. las columnas de su matriz estándar A Eneran R". Según el IMT. A es Invertible. Asi. de acuerdo con el teorema 9. 7es invertible, y A '1es la matriz estándar de T~%,Como A- ' también es invertible, entonces, según el IMT. sus columnas son linealmente independientes y generan R". Al aplicar el teorema 12 de la sección 1.9 a la transformación T '' se muestra que T~ 1es un mapeo uno a uno de Resobre R". «
[M| 4 La solución exacta de (3) es x\ - 3.94 y ¿y = .49. La solución exacta de (4) es x\ ■ 2.90 y « = 2.00. 4 Cuando la solución de (4) se emplea como una aproximación para la solución de (3). el error al usar el valor de 2.90 para x\ es aproximadamente del 26%. y el error al utilirar 2.0 para .tyes de alrededor dtl 308%. 4 El número de condición de la matriz de ooefklentes es 3363. El cambio porcentual en la solución de (3) a (4) es cerca de 7700 veces el cambio porcentual en el lado derecho de la ecuación. Este es el mismo orden de magnitud que el número de condición. Este último da una medida aproximada de qué tan sensible es la solución de Ax » bante cambios en b. Información adicional sobre el número de condición se presenta al final del capitulo 5 yenel capitulo 8 (en el sitio Web).
43 [M| cond(A) “» 69.000. que está entre 104y 105.Asi que se
pueden perder 4 o 5 dígitos de exactitud. Varios experimentos con MAT1.AB deberían comprohar que xy x, cencuerdan a 11 o 12 dígitas. 45 [M| Algunas versiones de MATLAB emiten una señal de alerta cuando se pide invertir una matriz de Hilbert de orden cercano a 12 o mayor, empleando aritmética de punto flotante. 13 producto AA 1debería tener varias entradas fuera de la diagonal que están lejos de ser cero. Si no. intente con una matriz más grande.
Sección 2.4. página 131 ** [E A a+ C
b
i
EB+ D \
31 rc [á
°B]\
5 K - B~l (explique porqué), X m - B ~ l A. Z ~ C 7. X m A-1 (¿porqué?). K - ~ B A \ Z - 0 (¿por qué?)
9 Azi = —lk \B ü ', Ají = — Cu = B n — B ¡\B ü ' B\j 13 Sugerencia: Suponga que Aes Invertible, y sea P
Demuestre que B D ” l y CG » /.
http://www.fullengineeringbook.net 432 of 461.
Respuestas a los ejercicios con numeración Impar A23
Esto implica que By Cson invertibles. (¡Explique por quél). Al contrario, suponga que B y Cson invertibles. Para probar que 4 es invertible. Indique cómo debería ser 4 1 y compruebe que su propuesta funciona. 1& Gl+ , = [** * * + . ] [ ] = Xt x ¡ +
Sección 2.5, página 139
= G* + * í + ix[+1 Solo se necesita calcular el producto matricial exterior * * + > * [+ 1 (y después a» suma a G¡). 17 La Inversa de ^
obtener . I-a ecuación 4 2iZi + A& * ** k conduce a A t}*¿ = k - 4 2 iZi.de la que se puede obtener z? mediante reducción por filas de la matriz ^ cj. donde c = k - 4jiZi.
I. /.y = b => y '
/ ] e s [-.Y / J- D* manera similar. ^
tiene una Inversa. De la ecuación (7), se obtiene
?][";: t l ó
U
,°]
<*>
[i i]
2
2
r10
2' 0 5
L 3 2
1 -I
13.
entonces escriba A ,
■i r / W J Lo0
0
ni •A J
[: ÍH [: í}
15.
r L
es de 7 x 9 y Bes invertible. Particione la matriz A y aplique dos veces su resultado para encontrar que -5 3 0 0 0
2 -1 0 0 0
0 0 1/2 0 0
0 0 0 3 -5 /2
0' 0 0 -4 7 /2 .
¿ ][5 ]-[£ ]
donde zi y k están en R20. y z? y k están en IR30. Entonces. 4nZ¡ = k . lo cual se puede resolver para
0
2
3 -5 -3 3 I 0 0 0 0 0
0 -2
0 -I ‘2
0 1 3
0
°1 0 3 0 *J 0 0 ‘ 1/2 -3/4 0 -1/4 0 0 1 0 0 2 1 0 -I
3 3/2
1
I
5/4 3/4
1/2
5
21
2 0
3 4J
3-+
]
* l a Sugerencia: Piense en aplicar reducción por filas a (4 /). * a . Sugerencia: Represente las operaciones de Ola medíante una secuencia de matrices elementales. * 23 4 Denote las filas de Dcomo transpuestas de vectores columna. Entonces con la multiplicación matricial particionada se obtiene r-P
27 4. 4 Las Instrucciones empleadas en estos ejercicios efependen del programa de matrices. 4 El álgebra requerida viene de la ecuación matricial por bloques
[ t
0
-2
25 Utilice el ejercicio 13 para encontrar la inversa de una matriz ® 1. donde B\ \ es de p x p, Bn
1
-3
17. í / “ ‘
donde A y B son de k x k y triangulares inferiores. »yw están en R*. y a y ¿son escalares adecuados. Suponga que el producto de matrices triangulares Inferiores de k x Aes una matriz triangular inferior, ycalcule el producto A\B\. ¿Qué se concluye? efe la forma B = [ R"
1 1
4
-2
•- - [ í J ] [ í J ] 4 2+ 0 A -A
7/2 ]
4
L -i
o + (—1 )
?][
2'
11.
2 -2
- [ - 3 /2
l v
19 W(s) = L - C[A - s¿)_lB Este es el complemento de Schur de A - s/„en la matriz del sistema.
- [
' 38' 16 8.5 -4
5
Si 4 es invertible, entonces la matriz del lado derecho de (•) es un producto de matrices invertibles y. por lo tanto, es invertlble. De acuerdo con el ejercicio 13, /tnySdeben ser Invertibles.
- • ' - [ i - ® - : ] _ n +o o+ o
r
3 , X= 1 -4
A = CD = [ c i
—
«4] X
'* J
= C| vj" +• • • + C4v[ 4
4 tiene 40,000 entradas. Como Ctiene 1600 entradas y Ctiene 400 entradas, entoncesJuntas solo ocupan el 5% de la memoria necesaria para almacenar 4.
http://www.fullengineeringbook.net 433 of 461.
A24
Ftespuestas a los ejercicios con numeración Impar
25. Explique por qué U. D y / rson Invertibles. Después, utilice
ni teorema sobre la Inversa de un producto de matrices Invertibles, . /,
r-- ----«i
4
4 r ......... .. A ; 9/2 ri ¡ohms
1/2 ohm ¥t
,
r»
i
• •
ia
1 + Ri/Ri
\/R i
3
a
y 4 ohm!
- R t - R y - ( * ,* ,) / * ,
4 [ * + Ry/R* h
11. Sugerencia: Utilice propiedades de transpueflas para obtener p T = prC + vr de manera que pr x = (p'C + Tr )x = prCx + vrx. Ahora calcule p 'x con la ecuación de producción.
. ......... ** L
r4 / , r ........1 X » •• » 6 ! y n 1 í •ohms ¡ 1 • • •L.. 1 »
-
-1/3
SJ
I -6 I 0 1][ - 1/3
:][¿ i]
a. [M] 0
e e i O - 3 6 * - .« o
4 ¿=
1 -2 8 5 7
O O O
0 0
O
4 t/ =
0 0 0 0 0
3.75 O • 0 • O e
0 Le
2*53 «44 0945 «09 «1* «77 OJOD «€2
-.2 4 )7
O o
-2 5 -1 37333 — 10667 ,\« » 6 O O O 0 • O 0 0 O «46 .2953 lAOt
.0945 .0509
OJO
.3771 I0<0 .1045 W9I
05» ron
.VMS .0777
0 0
0 0
O
0 0
1
0 0
-3*m
0 0 —1 0 - a n —1 ) .7 « 3 - I M 1 J 33719 • 0 O 0 O asm 0945 109) 3271 0591 1045 con £018
0318 0277 .10(5 0591 3771 l® > 0 4 (5 0509
O
0 0 1
-.2*21 1 —.2697 - « 6 1
o
0 0 D
0
0
0
-2 9 3 1
1
Sección 2.7, página 154 0 O • O 0 e - i 0 -2 K 1 -1 3.7057 - 1 «A l O » * « J
0227 0318 0591 .1045 10*3 3771 0509 0 4 (5
0100 KM 2 0318 0227 0945 0309 3453 £««
Obtenga A~' directamente y después calcule A~ 1 - U~iL~[ para comparar ambos métodos de Inversión matriclal.
Sección 2.6, página 146
r.io 1- C = 1 .30 L 30 3. x
[
44.44
16.67 16.67
.60 .20
.60 0
.10 .10
[Mij x = (99576. 97703. 51231. 131570. 49488. 329554. 13835). Las entradas en x sugieren más precisión en la respuesta (pie está garantizada por las entradas en d que parece ser exacta quizá solamente al millar más cercano. Asi que una respuesta más realista para x podría ser x - 1000 x (100. 98.51, 132. 49.330. 14).
l¡x |M) 4 12)es el primer vector cuyas entradas son exactas al millar más cercano. El cálculo de xil7) requiere cerca de 1260 flops. mientras que la reducción por filas de [(/ - Qdj necesita solamente alrededor de 550 flops. Si C es mayor de 20 x 20. entonces se necesitan menos flops para calcular x11^ mediante Iteración que para determinar el vector de equilibrio x por reducción de filas. Conforme aumenta el tamaño de C se Incrementa la ventaja del método iterativo. También, cuando C x vuelve más dispersa para modelos grandes de economía, entonces se requieren menos Iteraciones para una exactitud razonable.
Sean R \ ~ 2 ohms. ñ = 3 ohms y Rs = 6 ohms
2Í 1 2S —0(47 -2 * 1
4 Sugerencia: Encuentre una fórmula que Implique (/ - O
M»2 atoo 0222 03)8 0509 0945 X'KA 2953.
n 0 [o
.25 1 0
n /^ 2 l/s/2 L 0
°1 0 l/v/2 -l/v /2 0
3.
r° 1 Lo °i 0 ij
3 + 4>/3 r i/ 2 --v/3/2 V3/2 1/2 4 —3 5 /3 0 1 L o Véase el problema de práctica. * ft A(BD) requiere 800 multiplicaciones (AZ3)£>necesita 408 multiplicaciones. □ primer método utiliza casi el doble de multiplicaciones. Si /^tuviera 10.000 columnas, las cuentas serian 80.000 y 40.008. respectivamente. • 11. Considere el hecho de que 1
sen2
cos*>
cosy>
sec
[»r
' M « r ?][•*'
' }
aplique U
transformación lineal A, y después traslade mediante p
http://www.fullengineeringbook.net 434 of 461.
Respuestas a los ejercicios con numeración Impar A25
15. (12. -6 .-3 )
ia
17.
'1 0 0 .0
0 0 1/2 - y f l / 2 s/3/2 1/2 0 0
0" 0 0 l_
0 triángulo con vértices en (7 2.0). (7.5. 5. 0) y (5. 5. 0)
21. |M|
[ 2.2586 -1.0395 -1.3495 2.3441 .0910 -.3046
-.3473" m m .0696 M c 1.2777 L z J W * 27. Construya una matriz A de 3 x 3 distinta de cero, y construya kcomo una combinación lineal conveniente de las columnas de A.
Sección 2.8. página 161 L 0 conjunto es cerrado bajo suiras, pero no bajo multiplicación por un escalar negativo. (Bosqueje un ejemplo).
* 2a Sugerencia: Se necesita una matriz distinta de cero cuyas columnas sean linealmente dependientes.
a 0 conjunto no es cerrado bajo sumas o múltiplos escalares.
*31. Sl Col F * R \ entonces las columnas de Fno generan R\ Puesto que Fes cuadrada, el IMT Indka que Fno es lnvertlble y la ecuación Px = Otiene una solución no trivial. Es decir, Nul Fconttene un vector diferente de cero. Otra manera de describir esto es escribir Nul F * {9¡
Sl SI. 0 sistema correspondiente a (vi
v? w] es consistente.
7. 4 los tres vectores »i. wj y r*. 4 Una Infinidad de vectores, d SI. porque A x = ptiene una solución a No, porque Ap r O 11. /j=4y<7 = 3. Nul Aes un subespacio de R4 porque las
soluciones de Ax = Odeben tener cuatro entradas, para ajustar con las columnas de A. Col A es un subespacio de W3 porque cada vector columna tiene tres entradas. l a Rara Nul A elija (1. -2, 1, 0) o (—1. 4.0, 1). por ejemplo, ftsa Col A seleccione cualquier columna de A 1£ Sea Ala matriz cuyas columnas son los vectores dados. Entonces. A es lnvertlble porque su determinante es diferente
*33. Sl Nul C = (O!', entonces la ecuación C x = ©solo tiene la solución trivial. Como Ces cuadrada, el IMT Indica que Ces lnvertlble y la ecuación Cx = k tiene una solución para cada ken R8.Además, cada soluciónes única de acuerdo con el teorema 5 de la sección 2.2. * 35. Sl Nul F contiene vectores diferentes de cero, entonces la ecuación fíx ■ Otiene soluciones no triviales. Como Fes cuadrada, el IMT Indica que Fno es lnvertlble y las columnas (fe Fno generan R*. Asi, Col Fes un subespacio de R5. pero Col F * R5. 37. ¡Mj Muestre la forma escalonada reducida de A y seleccione hs columnas pivote de A como una base para Col A. fera Nul A escriba la solución de A x « Oen forma vectorial paramétrica.
17. Sea/11a matriz cuyas columnas son los vectores dados La reducción por filas muestra tres pivotes, asi que A es frtvertlble. Según el IMT. las columnas de A forman una base para R3.
Bise para Col A
*-2.5* -1.5 Bise para Nul A: 1 0 0
l a Sea A la matriz de 3 x 2 cuyas columnas son los vectores dados. Las columnas de A posiblemente no puedan generar Rs porque A no pupde tener un pivote en cada fila Asi. las columnas no son una base para R*. (Estas son una base para un plano en R5). 21. Sugerencia: Lea la sección con cuidado, y escriba sus
respuestas. Esta sección tiene términos y conceptos dave que debe aprender antes de seguir adelante. 2a Base para Col A
Base para Nul A
,
'4 .5 ' 2.5 0 1 0
,
-3.5* -1.5 0 0 1
Sección 2.9. página 167 L .-3 h ,+ » ,- 3 [ ;] + 2 [ _ í] - [ í]
l [í] *[í] •*M--[_?].l«l.-[“ ] a
http://www.fullengineeringbook.net 435 of 461.
A26
Respuestas a los ejercicios con numeración impar 3
-y
Fkv para Nul A:
11. Bise para Col A:
1 ; dim Nul A = 1 0 0 2' 3 0 -3
& A* = 2A - I. Multiplique por A: A3 = 2 A 2 - A. Sustituya A2 - 2A - f. A? = 2(2-4 - I) - A = 14 - 21 Multiplique por A otra vez: A 4 ■ A(3A - 2/) - 3-4* - 2A Otra vez sustituya la identidad A 1 = 2-4 - t. A 1 - 3(2-4 - I) - 2A - 4A - 3/
-5 -8
9 -7
; dim Col A = 2
r-2-i r - n i 0 Rase para Nul A: 0 0 0 1 0 0
/
-1 0 -1 ; dim Nul A = 3 0 I
-10 9 1 -5
1 11. 4
-ll 10 —3 J
• 19l H hecho de que el espacio solución de A x - 0 tenga una hase de tres vectores significa que dim Nul A = 3. Como una matriz A de 5 x 7 tiene siete columnas, entonces el teorema del rango indica que rango A = 7 - dim Nul -4 = 4. * H . Una matriz de 9 x 8 tiene ocho columnas. De acuerdo con d teorema del rango, dim Nul A = 8 - rango A Como el rango es 7. entonces dim Nul A - 1. Es decir, la dimensión del espacio solución de A x ■ Oes 1. *23 Oee una matriz-4 de 3 x 5 con dos columnas pivote. las restantes tres columnas corresponderán a variables libres en la ecuación A x - 0 De manera que si es posible la construcción deseada. * 23 ftir definición, las /^columnas de A generan Col A.
Si dim Col A = p entonces el conjunto generador de p columnas automáticamente es una base para Col A de acuerdo con el teorema de la base. En particular, las columnas son linealmente independientes. * 27. 4 Sugerencia:Las columnas de generan W, y cada vector «,está en W. El vector c^está en IV ya que B tiene /^columnas. 0 Sugerencia:¿Cuál es el tamaño de C? d Sugerencia: ¿Cómo se relacionan B y Ccon -4? 29l [M] Los cálculos deberían mostrar que la matriz [vi v? xj corresponden a un sistema consistente. El vector de ^coordenadas de xes (2, -1).
1. 4 V É V
-4F
4 F 4 V 4 V
4 V
4F
D V
J) F
4 F
4
v
4 F 4 V
/> F D F
'
flla,(l4rj = y ,
= fila,(V0-
L
Pr =
(uur ) r = Ur r u r = uu 7 = P
4 0 2 = (/ - 2 P H 1 - 2 P ) = I - H2P) — 2PI + 2P(2P) = I - 4 P + 4P 1 = I , debido al
inciso 4-
13 La multiplicación por la izquierda por una matriz elemental produce una operación de fila elemental: B ~ E \B ~ £,£, B ~ £ ,£ ,£ , B = C
Asi, B es equivalente por filas a C. Como las operaciones d» fila son reversibles. Ces equivalente por filas a B. (Alternativamente, muestre a Cque cambia a /?mediante operaciones de fila empleando las inversas de las ¿3. 17. Como B es de 4 x 6 (con más columnas que filas), sus seis columnas son linealmente dependientes y existe una «diferente de oero tal que f k ^ O Asi. A fíx = -4©= 0 lo que indica que la matriz A B ro es Invertible, de acuerdo con el ÍMT. lft |M| Con cuatro cifras decimales, conforme Ise incrementa. ‘ .2857 .4286 _.2857 '.2022 Bk -* .3708 .4270 A *-
Capítulo 2 Ejercicios complementarios, página 170
S]
1
p ( X i ) = Co + c¡Xi + . . . + c_ , jcr
13. los vectores Vj. »i forman una base para el suhespario (fado. H. Asi. dim H = 3. * ÍS. Col A = R4, porque A tiene un pivote en cada fila, y asi las columnas de A generan R4. Nul A no puede ser igual a R2 porque Nul A es un subespacio de Rfl. Sin embargo, es cierto que Nul A es bldimenslonal. La razón es que la ecuación Ajl = ©tiene dos variables libres, porque A tiene seis columnas, y solo cuatro de ellas son columnas pivote.
r 9.
.2857 .4286 .2857 .2022 .3708 .4270
http://www.fullengineeringbook.net 436 of 461.
.2857] .4286 .2857J .2022] .3708 .4270J
Respuestas a los ejercicios con numeración Impar A27 o, en formato racional.
Sección 3.2, página 189 * 1. fcl intercambio de dos filas Invierte el signo del determinante.
[2/7 2/7 2/7 1 3/7 3/7 3/7 y 2/7 2/7 J .2/7 ' 18/89 18/89 18/89 Bl -*■ 33/89 33/89 33/89 38/89 38/89 38/89 Ak -
*
a
Una operación de remplazo de filas no modifica el (^terminante.
4
3
7. 0
ft
ia
6
14 35
1A 14
2a No es lnvertlble
24 Linealmente independiente.
Sección 3.1. página 181 L I
11. 120
17. -7
21. Invertible
Capítulo 3
3
a -5
5l-23
7.4
2A -32 31. Sugerencia: Demuestre que (det /t)(det A *') - 1.
& 10. Inicie con la fila 3. 1 L -12. Inicie con la columna 1o la fila 4.
* 34 Sugerencia: Utilice el teorema 6. * 34 Sugerencia: Aplique el teorema 6 y algún otro.
l a & Inicie con la fila 2 o la columna 2.
ia
i
37. detAB = d e t J j = 24;
17. -5
(deli4)(det B) = 3 - 8 = 24
M A ad - be, cb - da. Intercambiando dos filas cambia el signo del determinante. •21. -2,(18+ 12A) —(20 + 12*)- - 2 Un remplazo de fila no cambia el valor de un determinante. * 2 a -5, jK4) - k(2) + K-7) - -5*. Escalar una fila por una constante k multiplica el determinante por k
24 1
27. k
* 43. Sugerencia: Calcule det A con desarrollo por cofactores a lo largo de la columna 3. 44 |Mj Exprese su conjetura sobre ArA y AAr.
Sección 3.3. página 198 3. [ 4 1
f 5/ 6 l L-l/óJ
*
7.
34 detfcVtedet£a + *f b*dd \ = (a + k c ) d - (b + k d ) c = a d + k c d - be —k d c = (+l)(ad - be) = (dct£)(dcM)
[5/2\
9. s ¿ 0 ,- 1 ; x, 11. adj A =
r°
para cualquier x. el área continúa
siendo 6. En cada caso no cambia la liase del paralelogramo, y la altura permanece en 2 porque la segunda coordenada de ^siempre es 2. 44
Mi En general. det(A + i? no es igual a det A + det B.
15. adj A
17. Si A
-[:
r
1 0' r ° u - - I -3 - I -3 1 3L 3 2 6 5' r - « -1 I i -5 1 ■ í L » 7 -5 . [ 2 0 0" 2 6 0 U - 1- J -9 3
—3
• 41. £1 área del paralelogramo y el determinante de ¡a v| son
J
,
5j + 4 - A s - 15 6(jj - 3 ) ’JC2_ 4(í * -3 ) 1 4í + 3 .*1 3(s + 1) 6 s(s + 1)
xi
io]; "°
Iguales a 6. Si v =
4 64
f l . det A = (a + e ) d - ( b + f ) c = a d + e d - b e - f e = ( a d - b e ) + ( e d - f e ) = det B + det C
j - cb - a d = (-1 )(a d - be)
= (det £)(detd)
• 37- 5Á- [ ' ¿
4 í
2R - 1
* 31. L La matriz es triangular superior o Inferior, únicamente con 1sobre la diagonal. El determinante es 1. el producto las entradas diagonales. 33. det EA = det
aa 4 212 4 500 4 - 3
, entonces Cu = d, Cu = -C Cu = -A
i)
Q 2 » a. La matriz adjunta es la transpuesta de la matriz (fe cofiadores:
44 [M] Puede revisar sus conjeturas cuando llegue a la sección 3.2.
http://www.fullengineeringbook.net 437 of 461.
A28
Respuestas a los ejercicios con numeración impar
Siguiendo al leorema 8. divida entre det A; esto produce la fórmula de la sección 2.2. la 8
21. 14
23 22
Asi, de acuerdo con el teorema 3,
25. Una matriz >4d? 3 x 3 no es invertible si y solo si sus columnas son llnealmente dependientes (de acuerdo con el leorema de la matriz invertible). Esto ocurre si y solo si una d? las columnas esta en el plano generado por las otras dos columnas, lo cual es equivalente a la condición de que el paralelepípedo determinado por esas columnas tiene volumen oero. lo cual, a la vez. equivale a la condición det A = 0.
detr = (A-a )(c - a ) det
(b -a )(c - a) det
«* 1
[i
b+a c +aJ
[i
b+a1 c -b j
(b —a)(c —a){c —b)
27. 24
* 28 í|dct[v, r 2 )\ 11 Área = 12. Si se resta un vértice de los cuatro vértices, y si los
31. 4 Véase el ejemplo 5.
nuevos vértices son O Vj, v2y entonces la figura trasladada (y por lo tanto, la figura original) será un paralelogramo si y solo si uno de los vectores Vi. y es la suma de los otros dos vectores.
4 kirabc/3
En MAT1.AB. las entradas en B - lnv(/4) son aproximadamente I0_is o más pequeñas.
33. |M]
1.a versión estudiantil 4.0 de MATI.AB utiliza 57.771 flops para inv(A). y 14,269.045 flops pata la fórmula Inversa El comando I nv( A) solamente requiere cerca del 0i4% de las operaciones para la fórmula Inversa.
35. [M]
13 Según la fórmula Inversa, (odj A ) •
A = A ~ ' A - 1.
Segúnel teorema de la matriz invertida, adj /les invertible y(adj.4)-'
det/4
15 4 X — CA~ ', Y = D - CA~lB. Ahora utilice el ejercicio
Capitulo 3 Ejercicios complementarlos, página 199 1. 4 V
4 V
4 F
4 F
4 F
O F
v
4 V 4 V
t) F
J) P
4 V
D F
4 F
4
á
144. 4 A partir del Inciso a). y de la propiedad multiplicativa (fe los determinantes, * t[¿
v
— <3c\\ A D — C A A ~ l B ]
La solución del ejercicio 3 se basa en el hecho de que si una matriz contiene dos filas (o dos columnas) que son múltiplos entre si. entonces, de acuerdo con el teorema 4. el determinarte de la matriz es cero, ya que la matriz no puede ser ínvertible. 3. Ifealice dos operaciones de remplazo de filas, y después
fectorice un múltiplo común en las filas 2 y 3. 1 1 1
a b c
b +c a+c a +b
1 = 0
0
a b —a c -a
b+ c a —b a- c
1 = (b-a)(c-a) 0 O
a
b +c
1 1
-1 -1
= dct( A D —C B ) donde la igualdad A C - CA se aplicó en el tercer paso. 17. Primero considere el caso n = 2, y demuestre que el resultado es válido mediarte cálculo directo de los determinantes de B y C. Ahora, suponga que la fórmula es válida para todas las matrices {k - 1) x (A—1). y sean A, B y C matrices de k x i Utilice un desarrollo por factores a lo largo la primera columna y la hipótesis inductiva para obtener det tí. En Caplique operaciones de remplazo de filas para generar ceros debajo del primer pivote y así producir una matriz triangular. Encuentre el determinarte de esta matriz y súmelo a det B para obtener el resultado. 18 |M| Calcule:
=0 5.
" ] = d e t |/ l ( D - C ^ - , fl)l = det( A D — A C A ~ l B ]
-12
1 1 1 1
* 1,
7. Cuando el determinante se desarrolle por cofactores de la {limera fila, la ecuación tiene la forma ax + by + c = 0. donde al menos a o ó no valen cero. Esta es la ecuación de ima recta Es claro que (jrj. y\) y (xt, y¡) están sobre la recta, porque cuando las coordenadas de uno de los puntos se sustituyen por x y y. dos filas de la matriz son Iguales y. de esta forma, el determinante es cero.
1 1 1 1 1
1 2 2 2 2
1 2 3 3 3
1 2 3 4 4
1 2 2 2
1 2
3 4 5
http://www.fullengineeringbook.net 438 of 461.
I
1 2 3 3
1 2 3 4
Respuestas a los ejercicios con numeración Impar A29
Suposición: 1 1 1
1 2 2
1 2
1 2
3
3
1
2
3
...
H. Si Evidentemente, se satisfacen te condiciones para un subespacio: la matriz cero está en H, la suma de dos matrices triangulares superiores es triangular superior, y cualquier múltiplo escalar de una matriz triangular superior es otra vez triangular superior.
ti
*25. 4
Para confirmar la suposición, utilice operaciones de remplazo de filas para generar ceros bajo el primer pivote, después bajo el segundo pivote, y asi sucesivamente. La matriz resultante es 1 0 0
1 1 1 1 0 1
...
0
0
...
0
Sección 4.1, página 213 u + vestá en /porque sus entradas son no negativas.
j y c = “ *• e r t o n c e s en V.
pero cu no está en /. Qemplo. Si u = |^'
j j y c• 4. entonces uestá en H pero
44
Axiom a 8
31. Cualquier subespaclo //que contiene a n y » también debe contener todos los múltiplos escalares dp a y y ; por lo tanto, debe cortener todas las sumas de los múltiplos escalares de ■y de y . Por consiguiente, //debe contenerá Gen {u, y }. 33. Sugerencia: Para una parte de la solución, considere w, y en //+ K, y escrita w, y w?en la forma w, * u, + y , yu^ = 1%+ donde u y o, están en H. y y , y Y2 están en*. 35 |M] la forma escalonada reducida de [y i . y z, y 3. w| muestra que w = Yi - 2y 2 + y ». Por lo tanto, westá en el subespaclo enerado por y j , y z y Yi37 [M] Las fundones son cos(4/) y cos(6 i). Véase el ejercicio 34 de la sección 4.5.
Sección 4.2. página 223 1.
. Según el teorema 1, H e s
■[1]
un subespaclo de R3.
r* 5
Iu -f (-l)u
= [1 + ( — 1)]u
7. No. el conjunto no es cerrado bajo multiplicación por escalares que no sean enteros. ft //"-Gen ( y ). donde v
«3
Del ejercicio 26. se deduce que ( - l)u -» - u
1
6 EJemplo:SIu = ^
=
4 8
= 0u = 0
Capítulo 4
3
28. u + ( - l ) u
I I 1
que es una matriz triangular superior con determinante 1 .
1. 4
* 27.
11. W= Gen {o, y}, donde u =
“5 -3ir H
63 - 2 [-8 4
0 3 1 JL -4 J
* manera que westá en Nul A
r-M3
Según el
teorema 1. IVes un subespaclo de R3. 13 4 Solo existen tres vectores en (y ,. y¿. Yj}. y w noes uno
de ellos. # Hay una Infinidad de vectores en Gen {Y|. yz. y3}. 4 westá en Gen {yi, Y2, Y3} porque w - Yi + y?1 & W no es un espacio vectorial porque el
en W. 17. S
2 0 -1 0
-1
'
3 0
3
'
vector cero no está
7.
W m es un subespaclo de R3 ya que el vector cero (0. 0. 0) no está en 1/
ft IVes un subespaclo de R4 porque IVes el conjunto de soluciones de] sistema p - 3$ - 4s =0 — s —5r = 0
0 -1
2p
3 0
Ift .%p/p/jctó; Utilice el teorema I.
11. W m es un subespacio porque Ono está en W. Justificación: Si 111 elemento típico (s - 2¿ 3 + 3s. 3s + L 2s) fuera cero, entonces 3 + 3s = 0y2.r=0.1oquees imposible.
http://www.fullengineeringbook.net 439 of 461.
A30
la
Respuestas a los ejercicios con numeración impar
W - C o l A para A
-[ni
asi que Wes un «pació
vectorial, de acuerdo con el teorema 3. 0 2 1 -1 1& 3 1 .2 -1 4 2
4 H núcleo de Tes | [ J ¡
ft 4
la
a)
5
» 2
‘ 6 -3 está en Col A. a . H vector £ ^ J «tá en Nul A y el vector -9 9 Son posibles otras respuestas. 23. w«tá tanto en Nul A como en Col A • - 3 - 3i -2 4 2 Asi. ae? aestáen L-lJ [-I 5 7J Nul A , y como este es un sub«pacío de R3, entonces 10a se encuentra en Nul A.
27. Sean x
M
2 yA =
¡¡ j : b rcalj
3& Sugerencia: Compruebe las tres condiciones para un suh«pacio. Elementos típicos de 7[U\ tienen la forma 71a,) y 7[m¿), donde a . 0 2 están en U. 37. [M| westá en Col A pero no en Nul A (Explique por qué).
3ft [M| La forma escalonada reducida de Aes 1 0 10/3" 1/3 0 0 1 1/3 0 -26/3 0 0 0 1 -4 0 0 0 0 0
r
2a 4 AQ - O. por lo que el vector cero está en Col A 4 Por una propiedad de la multiplicación matriclal. /la + /tw ■* /lía + w). lo que Indica que /la + A v ie s una combinación lineal de las columnas de Ay. por lo tanto, está en Col A. 4 c(/ta) - /1(ea). lo que muestra que <*(/ta) se encuentra en Col A para todos los escalares c 31. 4 Pira polinomios arbitrarios pi q en P2y cualquier escalar c
Así. Tes una transformación lineal de P2en P2. 4 Cualquier polinomio cuadrátlco que se anula en 0 y 1debe ser múltiplo de p(r) = f ( t - 1). □ rango de Tes R7. 33. 4 Pira A B e n \f¡xj y cualquier escalar c T(A + B )
d □ inciso b) demostró que el rango de 7'contlene todas fas átales que Br = B. Asi. es suficiente demostrar que cualquier Be. n el rango de 7>iene esta propiedad SI B = T\A \ entonces, de acuerdo con las propiedades de las transpuestas. B T = (A + A r ) r = Ar + A rr = Ar + A = B
Sección 4.3. página 231 L la matriz de 3 x 3 A
-[¡ i ¡1
tiene tres posiciones Lo 0 ij pivote. De acuerdo con el teorema de la matriz Invertlble. A es invertlble y sus columnas forman una base para R3. (Véase el ejemplo 3).
31 Este conjunto no form3 una base para R3. □ conjunto es linealmente dependiente y no genera R3. ü Este conjunto no forma una base para R3. El conjunto es linealmente dependiente porque el vector cero «tá en el conjunto. Sin embargo. 0 o" ' 1 -1 0 0 3 -3 -3 7 0 -3 ***- 0 4 0 -3 0 0 0 5 0 0 0 5 La matriz tiene un pivote en cada fila y. por lo tanto, sus columnas generan R3. Este conjunto no forma una base para R1. □ conjunto es linealmente Independiente porque un vector no es un múltiplo del otro. Sin embargo, los vectores no generan R3. La matriz
r -2
61
3 -1 I puede tener a lo sumo dos pivot« ya que solo tiene L o sj dos columnas. Por lo tanto, no habrá un pivote en cada fila. 2
+ B ) + (A + B ) t = A + B + Ar + B T
:.t tr.uspUPM >
= (A +A r) + (« + B r ) = T ( A ) + T ( B ) T(cA) = (cA) + (cA)r = c A + c A r — c(A + Ar ) = cT{A)
I 1 0 l a Base para Nul A:
Asi. Tes una transformación lineal de en Afc,2 4 Si Bes cualquier elemento en Aé** con la propiedad B 7 = B. y si A = B, entonces.
Base para Col A
r(A) = lfl + (i* )r = i , B + \ B = B
http://www.fullengineeringbook.net 440 of 461.
Respuestas a los ejercicios con numeración Impar A31
1& {Ti,e*, v«, ¥5}
17. [Mj {▼!. ?2. n . ¥*}
* Ift las tres respuestas más sencillas son {Vi. ¥*}, {»i. ¥3} y {y?. *5}. Son posibles otras respuestas.
27. IJnealmente independiente. (Justifique las respuestas a los ejercicios 27 a 34). 2& Unealmente dependiente.
* 23 Sugerencia:Utilice el teorema de matriz Invertible. • 23 No. (¿Por qué el conjunto no es una base para//?).
31. 4 Los vectores de coordenadas
[ÍH 1 H 3 }
87. {eos ruasen o»/} • 2a Sea A la matriz de n x k |¥| —v*!- Como A tiene menos columnas que filas, entonces no puede existir una posición pivote encada fila de A De acuerdo con el teorema 4 de la sección 1.4. las columnas de A no generan Rny, por lo tanto, no son una base para R".
| no generan R3. Debido al Lsomorfismo entre R3 y Pz. los polinomios correspondientes no generan P*. A Los vectores de coordenadas
• 31. Sugerencia: Si {ti.... es llnealmente dependiente. entonces existen C|.... Cp, no todos cero, tales que 0 ¥,+ ••• + Cp'fpf O Utilice esta ecuación * 33 Ningún polinomio es un múltiplo del otro polinomio, de manera que {p . p,.} es un conjunto llnealmente Independiente en Pj.
m
33 [M] Los vectores de coordenadas
33 Sea {»¡.¥»} cualquier conjunto linealmente Independiente
-6
2
Debido al lsomorfismo entre R4 y Pj. los polinomios corres pondientes forman un subconjunto llnealmente dependiente d? P 3 y. por lo tanto, no forman una base para P 3.
’ •[ - 3
-[ti]
->\
37. |M|
2
[ ]
Sección 4.5. página 247 2
r i] 1 1 1U J
r 5"|
0
son un subconjunto linealmente dependiente de R4.
35. [M| [x]„
’-R]
-2
1
16
Sección 4.4. página 240
'•[-;] *■[1] -M
3l r °i 7 r si 1 1 • ' 0 -2 0 0
en el espacio vectorial V. y sean ¥¿ y ¥4 una combinación lineal de ¥1 y ¥ 3 . Entonces. {¥1, ¥j) es una base para Cen (¥j, ¥2. ¥j, ¥4}. 37. ¡M) Hay que ser hábil para encontrar valores especiales de t que den varios ceros en (5). y después crear un sistema
m
generan R3. Debido al Lsomorfismo entre R3 y P2. los polinomios correspondientes generan Pz.
; dim es 3
17. 1^| j = 5vj - 2tj = 10vi - 3r2 + t, = -v? - vj (un número Infinito de respuestas) lft Sugerencia: Por hipótesis, el vector cero tiene una única representación como una combinación lineal de elementos de S
'
r 2 0 -3
•
-2 1 0 -2 0
ro í '
5 2
6
7. No hay b»e; dimesO 23 Sugerencia: Suponga que \u \b = [w]p para algunas « y * en V, y denote las entradas en |n[s como ci.... c*. Utilice la definición de !u]p.
l i 2,3
; dim es 3
ft 2
IL 3
13 2. 3
17. 0.3
21. Sugerencia: Solose necesita demostrar que los primeros cuatro polinomios de Hermite son llnealmente independientes. ¿Por qué?
23 Un posible método: Primero, demuestre que si u,.... u^son linealmente dependientes, entonces [ai]s.... [o^sson lineal 23 [ p ] s - (3. 6 . 2. 1) mente dependientes. Segundo, demuestre que si |ui|ft..., ;n,,|P son llnealmente dependientes, entonces ai.... 1^, son llneal • 23 Sugerencia: Suponga que 5 geñera V. y utilice el teorema mente dependientes Utilice las dos ecuaciones que se del conjunto generador. Esto conduce a una contradicción, presentan en el ejercicio. lo que demuestra que es falsa la hipótesis de generación
http://www.fullengineeringbook.net 441 of 461.
A32
Respuestas a los ejercicios con numeración impar
• 27. Sugerencia: Considere el hecho de que cada P„es un subespack) de P. * 28l Justifique cada respuesta: 4 \ferdadero t) Verdadero 4 \ferdadero 31. Sugerencia: Como //es un subespado diferente de cero (fe un espacio de dimensión finita, entonces //también es de dimensión finita y tiene una base, por ejemplo.v..... v,> Primero demuestre que {T{w¡).....T (v^) genera 71//). 33. [M] 4 Una base es {»,,*?. ^}. De hecho, cualesquiera (fes de los vectores % .....e%extenderá {»,, w2. r3} a una base de R*.
•a
No. Explique por qué.
• 27. FUA y Nul 4eslán en R* Col 4 y Nul 4reslán en R". Solo hay cuatro subespacias distintos porque FU AT - Col A y Col A T = FUA * 2ft Recuerde que dlm Col 4 ” mprecisamente cuando Col 4 = R* o. de manera equivalente, cuando la ecuación A x - bes consistente para toda b De acuerdo con el ejercicio 28b), dlm Col 4 = m precisamente cuando dlm Nul AT = 0 o. de manera equivalente, cuando la ecuación A rx - O solo tiene la solución trivial. 2a 2 b -3 a -3 b
2c 1
[
Sección 4.6. página 254
5a
1. rango 4 = 2 : dlm Nul A = 2:
- 3 c I. Todas las columnas son 5c J
5b
múltiplos de u. de manera que Col uvrcs unidimensional, a menos que a = ó = c = 0.
tese para Col A: tese para FU 4: (1. 0, -1, 5). (0. -2. 5. -6) ■ r tese para Nul 4: 5/2 I 1 0 1 rango 4 » 3: dlm Nul 4 ■ 3;
* 33 Sugerencia: Sea 4 = [o i* m|. Si a * O. entonces u es una base para Col A ¿Por qué? 3&
|M |
Sugerencia:Miase el ejercicio 28 y las observaciones
antes del ejemplo 4. 37. [M| Las matrices C y Upara el ejercicio 35 funcionan aquí, yA-CR.
Sección 4.7, página 260 1.
7. 9. 5. 4,3,3 * 7. Sí; no. Como Col 4 es un subespaclo de dimensión 4 de R\ entonces coincide con R4. El espacio nulo no puede ser R1. porque los vectores en Nul 4 tienen 7entradas. Nul 4es un subespacio tridimensional de R7. de acuerdo con el teorema (fel rango. *
-1 °
13 d e -
-i i i
]
°1 1
i i
5. a.
'jt
tese para Nul 4: (2. 6. -6.6, 3. 6). (0. 3. 0, 3.3. 0). (0. 0.0. 0. 3. 0)
* [-! r4 L -*J 5] : s . i]-
• 3. <«)
i 3 -2 -5 1 4
’ 8* 2 2
b. a te =
t i ¡] [¡ -!]
*Zc = i
L
°1 2
I--I + 2f]B =
* 1S 4 B es una base para V. 4 0 mapeo de coordenadas es una transformación lineal, 8. 3 , no. Ohserve que las columnas de una matriz de 4 x 6 están en d El producto de una matriz y un vector, R*. más que en R\ Col 4 es un subespado tridimensional de R4. d) 0 vector de coordenadas de »respecto de B.
11. 2
* 13. 5 5. En ambos casos, el número de pivotes no puede exceder el número de columnas o el número de filas. •1 S 4
17. 4 [M|
r 32
0 32
* 19l Sí. Intente escribir una explicación. * 21. No. Explique por qué. * 23. Sí. Solo se necesitan seis ecuaciones lineales homogéneas.
http://www.fullengineeringbook.net 442 of 461.
16 0 0 24 16 0 8
12 0 0 20 16 0 0 10 4 0 2
10' 0 15 0 6 0 1
Respuestas a los ejercicios con numeración Impar A33
entonces las señales forman una base para H. de acuerdo con el teorema de la base.
« c a s 3 / = ( 1 / 2 ) 1 1 + cas 2/] eos’ / —
(1/4) (3 e o s/
+ eos 3/]
eos4/ = ( l/8 ) ( 3 + 4 c o s 2 / + eos 4/] eos i t — ( l / I 6 ) [ lO c o s / + 5 cas 3 / + c o s 5 / j eos*/ = ( l/ 3 2 ) [ 1 0 + 1 5 c a s 2 / + 6 c o s 4 / + eos 6/]
1& M| Sugerencia: Sea C h base {srlt y 7. »3}. Entonces las columnas de Pson u,)^ o ^ y [bj!,.-. Utilice la definición de vectores de C-coordenadas y álgebra matrielal para calcular a t. n-. o, A continuación se presentan las respuestas numéricas:
• 7. sí
a si
11. No. dos señales no pueden generar el espacio solución tridimensional. 13. «)* .(» * i s ($)».(-!)* 17. Yt = n(.8)* + c2(.5)* -4- 10 —►10 conforme *-» » l a yk = Cj(—2 + x/3/ + c2(-2 - v/3)* fl. 7. 5. 4. 3. 4. 5.6. 6. 7. 8.9. 8. 7; véase la figura: - dates originales
- datossuavizados
H----- 1------ H 4
Sección 4.8. página 269
8
H------ 1------ h i 10
12
14
23. 4 yt+i - 1.0ly* = -450. >v>= 10.000
1. Si>» ■ 2*. entonces y ^ \ ■ 2Í+I y y*+2 - 2*+2. Al sustituir estas fórmulas en el lado Izquierdo de la ecuación se obtiene
2 4 *3 + C, • (— 4)* + c2
Puesto que la ecuaciónen diferencias es válida para toda k. entonces 24es una solución. Un cálculo similar funciona para)',» (-4)4. 4 las señales 2*y (—4)* son linpalmente independientes porque ninguna es múltiplo de la otra Por ejemplo, no existe un escalar ctal que 2* = c ( - 4 ) k para toda i. De acuerdo con el teorema 17. el conjunto solución //de la ecuación en diferencias del ejercicio 1es bidimensional. De acuerdo con el teorema de la base de la sección 4.5. las dos señales linealmente Independientes 2* y (-4)* forman una base para H. 4 S i# ■ (-2)*, entonces *+.2 + 4y*+ I + 4 * = ( — 2)t+3 + 4 (—2)*+l + 4(— 2)*
4j = (-2)* (0) = 0 para toda k
= ( -2 )* [(-2 )3 + 4 (-2 ) +
= k i - 2 ) \ entonces
27. — 2 + * + Cj • 2*+ c2 • (— 2)*
2a x,, i = Axf. donde
>*+i + 2y,+, - 8y* = 2*+3 + 2 • 2*+' - 8 • 2* = 2*(2í + 2-2 —8) = 2*(0) = 0 para toda k
De manera similar, si
6
'0 0
1 0 0 0 2 -6
0 0' 1 0 0 1 8 -3
' yk x — yk+1 >■*+2
* 31. La ecuación es válida para toda k. asi que esta vale para * - 1 en lugar de * lo que transforma la ecuación en yt* 2 + 5/n i + 6y* = 0 para toda k La ecuación es de orden 2. * 34 Fbra toda k, la matriz de Casorati C{K> no es Invertible. En este caso, la matriz de Casorati no da información acerca dp la Independencia o dependencia lineal del conjunto de renales. De hecho, ninguna señal es un múltiplo de la otra, asi que son linealmente Independientes. 34 Sugerencia: Compruebe las des propiedades que definen rna transformación lineal. Para {y¿ y {z,} en S. estudie ni»} + {¿i))- Observe que si res cualquier escalar, entonces el *ósimo término de /(/,} es ry¿ asi. 7{r{y)}) (5 la secuencia {wk} dada por wk = ryt +i + (ry*+i) + b(ryk )
37. Sugerencia:Encuentre 7D()t.y \.y i....) y DT[)t>.yi.#....).
y k + í + 4>*+ i + 4y k
= (* + 2)(—2 / +3 + 4(* + l)(—2 / + >+ 4*(-2)*
Sección 4.9, página 278
= ( —2)* [(* + 2 )(— 2)3 + 4(* + l ) ( — 2) + 4*)
= (-2/(4* + 8 -8 * - 8 + 4*] = ( - 2 / (0) para toda k Asi, (-2)4y *f-2)4están en el espacio solución //de la ecuación en diferencias Además, no existe escalar ctal que H - 2 )k = c ( - 2 )kpara toda k. porque ese debe seleccionar independientemente de * De igual manera, no existe un escalar ctal que (-2)*= c*(-2)1para toda i. Así. ambas señales son linealmente independientes Como dim //= 2.
1.
4
*» [ ¿ ]
De
N M [.7 .6] [.3 .4j
A: Noticias Música 4 15%. 12.5%
3. 4 H [.95 [.05
I A: .45] Sino .55j Birérmo
http://www.fullengineeringbook.net 443 of 461.
«* 33 %
A34
Ftespuestas a los ejercicios con numeración Impar
4 .925; utilice x 0 » " 1/4' 7.
1/2
1/4
a Sí. porque todas las entradas de P 2 son positivas. u
-
13. 4
\% ]
« M
4 10.no
Aproximadamente el 13.9% de la población de Estados Unidos. 17. 4 Ias entradas en una columna de Psuman 1. Una columna en la matriz P - /tiene las mismas entradas que en P excepto que una de las entradas ha disminuido en 1. Por lo tanto, la suma de cada columna es 0. 4 De acuerdo con el Inciso a), la fila Inferior de P - Jes el negativo de la suma de las otras filas. 4 Según el Inciso b) y el teorema del conjunto generador, la fila Inferior de P - /se puede eliminar y las restantes Cn - 1) filas continuarán generando el espacio fila. De forma alternativa, utilice el Inciso 4 y considere el hecho de que las operaciones fila no cambian el espacio fila. Sea A la matriz obtenida de P - /sumando la fila inferior a todas las demás filas. Según el incLso a), el espacio fila se genera por las primeras (n - 1) filas de A. 4 De acuerdo con el teorema del rango y el Inciso d), la dimensión del espacio columna de P - Ies menor que n. y asi el espacio nulo es no trivial. En vez del teorema del rango, se puede recurrir al teorema de la matriz Invertida, ya que P - Ies una matriz cuadrada. I9l 4 E3 producto A es Igual a la suma de las entradas en x Rara un vector de probabilidad, esta suma debe ser 1. 4 P = (p p ••• p,j. donde las p son vectores de probabilidad. Mediante la multiplicación matricial y el Inciso a ). S P = [ S P] Sp, ... Sp„] = [l I ... 1] = s 4 Por el inciso b), S[P 4 • (SP )x - S k - I. Tambléa las entradas en P xson no negativas (porque P y «tienen entradas no negativas). Asi, por el Inciso a). P xes un vector de probabilidad. 15l |M]
Capitulo 4 Ejercicios complementarios, página 280 4F 4 V 4 F 4 V /) v 1. 4 V 4 F ñ v J) F 4 F /> F *4 V 4F 4 V /* v *F 4 V 4 V 4 F 3. El conjunto de todas las (¿i. bi. b¿ que satisfacen ó, + 2A> + Aj «=0. S Id vector p no es cero y p no es un múltiplo de p , de ma nera que conserve ambos vectores. Como p - 2 p + 2p?, elimine p Ya que p tiene un término f . no puede ser wa combinación lineal de pi y p . entonces conserve p<. Finalmente, p = p. + p . entonces elimine p, la base resultante es {p, p¿. p )
7. Se deberla saber que el conjunto solución del sistema homogéneo se genera con dos soluciones. En este caso, el espacio nulo de la matriz, de coeficientes A (fe 18 x 20. a lo sumo, es bldlmenslonal. De acuerdo con el teorema d?l rango, dlm Col A > 20 - 2 = 18. lo que significa que Col A = R1*. porque A tiene 18 filas, y cada ecuación A x - kes consistente. & Sea A la matriz estándar de m x nde la transformación T. 4 Si Tes uno a uno. entonces las columnas de A son llnealmente Independientes (teorema 12 de la sección 1.9). por lo que dlm Nul A * 0. De acuerdo con el teorema del rango, dlm Col A = rango A = n Como el rango de Tes Col A. la dimensión del rango de Tes n 4 Si Tes sobre, entonces las columnas de A generan Rm (teorema 12 de la sección 1.9). de manera que dlm Col A - m. Según el teorema del rango, dlm Nul A = n - dlm Col A = n - m. Como el núcleo de Tes Nul A, la dimensión del núcleo de T es n - m.
11. SI 5es un conjunto generador finito para V, entonces un subconjunlo de S (por ejemplo, S ) es una hase para V Como S debe generar a V S no puede ser un subconjunto propio de S debido a la minimalidad de S. Por lo tanto, 5 ** S lo que demuestra que 5es una base para V. US. 4 Sugerencia: Cualquier jen Col A tí tiene la forma y ■» A tíx para alguna x l a De acuerdo con el ejercicio 9. rango PA < rango A, y rango A • rango P~ XPA £ rango fí\. Por lo tarto, rango PA = rango A. 1S la ecuación A B - 0 Indica que cada columna de //está en Nul A. Como Nul A es un subespaclo. entonces todas tas combinaciones lineales de las columnas de //están en Nul A. de manera que Col B es un subespaclo de Nul A Según el teorema 11 de la sección 4.5. dim C o IS s dim Nul A. Al aplicar el teorema del rango, se encuentra que N - rango A + dlm Nul A s rango A + rango B
17. 4 Suponga que A\ consiste en las rcolumnas pivote en A, Las columnas de A\ son llnealmente Independientes. Asi. A \es una submatriz de m u r e on rango r, 4 De acuerdo con el teorema del rango aplicado a A\, h dimensión de FU /les r, de manera que A\ tiene r filas llnealmente Independientes. Utilícelas para formar Ai. Entonces. Ai es de r x rcon filas linealmenle Independientes. Según el teorema de la matriz invertida. At e& Invertible. [/? AB
A2 B ) =
¡r°
i
°1
-.9 .81 Li .5 •25 J n -.9 .81] 0 1 0 L° 0 -.56 J Esta matriz tiene rango 3. asi que el par (A. B¡ es controlable. H. |M| rango \B AB A2B Á*B\ * 3. El par (A B) roes controlable.
http://www.fullengineeringbook.net 444 of 461.
Respuestas a los ejercicios con numeración Impar A35
Capítulo 5
• 27. Sugerencia: Se necesitan dos teoremas, uno de los cuales solamente se aplica a matrices cuadradas.
Sección 5.1. página 296 L 5.8.»
3.
7. V35
[t í ]
'■ [ - í ]
i a 5
* 2a Sugerencia: Si se tiene un candidato para una Inversa. es posible revisar si el candidato funciona. 5. L í »2/13J 8 /,3 l 11.
31. Suponga que y = j-jju. Remplacen por en con c t 0;
[7 /V 6 9 ' 2/VÍ9 |_4/Vó9.
í s No son ortogonales
entonces. y-(t u) (cu) ■ c(y-u) (C )u cIu*u (cu)*(cu)
17. Ortogonales
* 21. Sugerencia: Utilice los teoremas 2 y 3 de la sección 2.1.
33. Sea L - Gen {■}. donde oes diferente de cero, y 7(x) = proy¿ x Por definición. =
T(x) =
2a u-v = 0. ||u||2 =30.|M |I = 101. ||u + vil* = ( - S ) 3 + (—9)1 + 5J = 131 = 30 + 101 • 2& H conjunto de lodos los múltiplos dt-
= y
(x-u)(u*u)“ 'u
fóra * y y en R"y cualesquiera escalares cy d las propiedades dpi producto interior (teorema 1) indican que
^ j (cuando r * Oí
T(cx + d y ) m [(ex +
27. Sugerencia: Aplique la definición de ortogonalldad. 2a Sugerencia: Considere un vector típico w en W.
= (c(x-u) + (y*u)J(u*u)_1u = c(x*u)(u*u)_ , u + (y*u)(u*u)- l u
+ — + cy*>
mcT(x)+dT(j)
ft)r lo tanto. Tes lineal.
3L Sugerencia: Si «está en W ' , entonces «es ortogonal a todo vector en W. 33 !M1 Establezra su suposición y compruébela algebraicamente.
Sección 5.3. página 312
L
Sección 5.2. página 304
x = - * u i - J u ; + j u i + 2u 4;
x
L No son ortogonales 3. No son ortogonales £ Ortogonales 7. Demuestre que di -n- - 0. mencione el teorema 4. y observe que dos vectores linealmente Independientes en DI*forman una base. Después obtenga
■-•[-iHPM-SMs] a Demuestre que urn: = 0, n. % *0. y *».«*> =0. Mencione el teorema 4. y observe que tres vectores linealmente Independientes en H1 forman una base. Después obtenga * = ! u ' - Tí0* + Tu» = I" ' “ 5U-’ +
1£
j. la distancia es 1
\/y/3
[í
;]■»«’ - [
8/9 2/9 - 2/9
-2 /9 2/9 5/9 4/9 4/9 5/9
r-i/V 2 ‘
n /v/n 17.
17. 4 U V
.
o L i / v i J L >/>/2 J
l a Ortonormales
4 proyif y =
6 u , + 3ui
S . Ortonormales
2S Sugerencia:\\U x \\2 = (Ux)T{Ux). Además, los Incisos a) y <) se deducen de ó).
r °i
r°i
19l Cualquier múltiplo de 2/5 .tal como 2 . L » /5 j Lu
http://www.fullengineeringbook.net 445 of 461.
]
A36
23.
Respuestas a los ejercicios con numeración impar Sugerencia: Utilice el teorema 3 y el teorema de descomposición ortogonal. Para la unicidad, suponga que Áp = b y = b, y considere las ecuaciones
4 i
[: « ] [ : ] - [ - : ]
tó]
p=p, + (p -p ,)y p «p + a 5 x
7. 2yf5
Sección 5.4. página 318
■
RHá]
m r
s.
*i r s i -4 i 0 « -4 i -l_
7. 7.
r 2/^301 r 2 />/6 "i -5/V3Ó . 1 / J 6 L l / s / S j U A /S j
■ 3" ■ r ’ -3" 1 1 3 9. 3 • 1 -1 • -1 3 3
11.
3 0 3 -3 3
b =
* i
11. 4 b
■ 2
0 2 2
• ia
-2
ll ]
—\ / y / S Q
1/2 0 1/2 1/2 1/2
[V 5 -V 5
au
=
6
-2
L0
0
4
r a
-ii] b - d v = | ^ 3 j No. ■ posiblemente
no podría ser solución de mínimos cuadrados de Ax ¿Porqué?
1/2" 0 1/2 . 1/2 -1/2 J
15 •la
4^51
0
- r a
4 i
b - Au = Í 2 ]
»«-[! 15.
M
* 1& Suponga que «satisface Rx - O, entonces. QRx - 0 - 0 y Ax = ü Como las columnas de A son lineal mente Independientes, «debe ser cero. A la vez, este hecho indica qje las columnas de £son linealmente Independientes. Como Res cuadrada, entonces es invertible, de acuerdo con d teorema de la matriz Invertíble * a . Denote las columnas de Pcomoqi.... q> Ohserve que n S n i porque Aes de m x n y tiene columnas llnealmente independientes. Considere el hecho de que las columnas de ^ pueden ampliarse a una base ortonormal para W". por ejemplo, {qi. ... q-.). Sea Qu = ( qjl+1 ... q j y Q x = l Q Q 0 J. Entonces, al utilizar la multiplicación mntridal particionada. QR - A.
Nul 4 está contenido en Nul A rA I) SI ATA x •= O. entoncesx TA TA x - «'0 - 0. Asi, (A^¡r(Ax) = 0 (loque significa que ||A«f = 0). y por lo tanto. Ax = O. Ésto muestra que Nul ATA está contenido en Nul A. a . Sugerencia:Para el Inciso a), utilice un Importante teorema dfl capitulo 2.
23 De acuerdo con el teorema 14. b = A i
= A{ATA)~'ATb.
La matriz A{ATA)~xATse presenta con frecuencia en estadística, donde en ocasiones se le conoce como m atrizsombrero.
25 Las ecuaciones normales son [ J
J
I M
cuya solución es el conjunto de (jr.) ) tal que x + y - 3. las soluciones corresponden a puntos sobre la recta intermedia entre las rectas x + y = 2y x + y = 4.
* 23.
Sugerencia: Partlclone A’como una matriz por bloques de 2x2. 25. [M] Las entradas diagonales de son 20, 6. 10.3923 y 7.0711. con cuatro cifras decimales.
Sección 5.6. página 334 L y = .9 + .4*
3. 7* 1 .1 + 1.3jr
* 5 Si dos puntos de datos tienen diferentes coordenadas a:
Sección 5.5, página 326
*-[i]
entonces las dos columnas de la matriz de diseño X no pueden ser múltiplas entre si y. por lo tanto, son linealmente independientes. De acuerdo con el teorema 14 de la sección 5.5, las ecuaciones normales tienen solución única.
http://www.fullengineeringbook.net 446 of 461.
Respuestas a los ejercicios con numeración Impar A37
’ 1 .8 " 2.7 3.4 . X = 3.8 3.9
7. 4 y = X fi + t. donde y
1
1
2 3 4 5
4 9 16 25
• 17. Sugerencia: Calcule 4 veces el lado derecho,
"
lft
(u . v) =
y fá jb + Vhy/ó
=
2Vab.
|u |J = (Vo)1 + (V h ) 1 = a + b. Como ay Ason no negativos, ||u|| = -Ja + ó. De forma similar, |v | = v^íTfl. De acuerdo con Cauchy-Schwarz, 2 \fa b < -Ja + b -Jb + a = a + b. Por lo que V ab <
(2
.
P = (*
21. 0
<5 4 [ M |/ - 1.76jt-.2 0 j«* 7.9*1 [cosí s e n il 5.4 , X = cos2 sen2 ,
[
—.9
11.
ÍM |/3
J
l_cos3
se n 3
J
- 1.45 ye -.811; la órbita es una elipse. La ecuación
r= 0 /0 - e - eos d) produce r — 1.33 cuando d = 4.8.
lft
M| 4 y = -.8558 + 4.7025/ + 5.5554/* - .0274/® 4 la función velocidad es v(f) - 4.7025 +11.1108/ - .0822/*. y iK4.5) = 53.0 ft/seg.
23. 2/V5
25. I,f,3rl - I
27. [M] I-oes nuevos polinomios ortogonales son múltiplos de -17/ + 51a y 72 - 155/2 + 35t*. Escale esos polinomios para qje sus valores en - 2 . - 1, 0 , 1 y 2 sean enteros pequeños.
Sección 5.8. página 349 i. y = 2 + \t 3. p(t) = Ap 0 - A p i - .5p¡ + .2p> = 4 - . l / - . 5 ( / I -2 ) + .2(f/, - £ / ) (Este polinomio ajusta los datos de manera exacta). 5l
Utilice la identidad sen m isen n i— í [cos(m/ - n t ) - eos(mí + n t) ]
7. Aplique la identidad cas2k t = ■
lft Sugerencia: Escriba X y y como en la ecuación (I). y calcule X TX y X Ty.
17. 4 la media de los datos en .res x = 5.5. I.os datos en forma de desviación media son (-35. I). (-.5.2). (1.5. 3) y (2.5. 3). Las columnas de A'son ortogonales porque las entradas en la segunda columna suman 0 .
[o y
» • ] [ ? :] - [ ? ] }
= 4 + U*’ = l + uí*- 5 -5)
1ft Sugerencia: La ecuación tiene una agradable interpretación geométrica.
Sección 5.7. página 342 L 4 3. >/I05. 225
a ir + 2 sen / + sen 2/ + $sen 3/ {Sugerencia; Ahorre tiempo empleando los resultados del ejemplo 4]. 11.
5
- i eos 2t ¿Por qué?
* 13. Sugerencia: Tome las funciones f y g e n C{0. 2 n l y fije ui entero m a 0. Escriba el coeficiente de Fourier de f + g qje implique a eos mi, y también escriba el coeficiente de ftnirter que Implique a sen mt(m > 0 ). lft [M] 1.a cirva cúbica es la gráfica de *(/) = -.2685 + 3.6095/ + 5.8576/1 - .0477/\ la velocidad en / « 4.5 segundos es g"(A.S) - 53.4 ft/seg Esto es aproximadamente .7% más rápido que la estimación obtenida en el ejercicio 13 de la sección 5.6.
4 Todos los múltiplos de ‘
3. 28 5. 5s/2,3s/3 7. g + £/ ft 4 Polinomio constante. p(t) = 5. 4 f - 5 es ortogonal a p $ y p\\ valores: (4. -4 . -4. 4); respuesta: q(t) = ¿(r2 - 5) 1L 1ft Compruebe cada uno de los cuatro axiomas. Por ejemplo: 1. (u.v) = (i4u)*(4v) Definición = (>4v)«(i4u) Propiedad del producto = (v.u) Definición 15 (u.cv) = (cv. u) Axioma 1 = c(v. u) Axioma 3 = c( u.v) Axioma I
Capítulo 5 Ejercicios complementarlos, página 350 1.
4 F ¿
v
«ÍV 4 F
4 V 4 V 4F
4 V í) F 4 F
di F
J) 4
v v
D F
4
4 F
v
/>
v
4 F 4 V
2. Sugerencia: SI {»,. x¡?} es un conjunto ortonormal y x = CjXi + ^.entonces los vectores cyri y ron ortogonales, y II*!1 = IkiVi + cj»j|5 = |ClV|||J + HciVíl* = (|c«l|v,||)I + (k 2 Uv2 ll)í = |c,|í + |c2P (Exfalque por qué). Así que la Igualdad establecida es válida para p = 2. Suponga que la igualdad es verdadera para p = K con Áa 2 . sea {Vi.... x*+i} un conjunto ortonormal. y con sidere que x = cy»] + — + cprk + c*, ,xA. 1 = 0 *+ donde n¿ » ati + ••• + o*/.
http://www.fullengineeringbook.net 447 of 461.
A38
i
Respuestas a los ejercicios con numeración impar
A partir de x y un conjunto ortonormal {v..... *p) en R" s a ila proyección octogonal de «sobre el subespaclo enerado por *|.... yrp De acuerdo con el teorema 10 de la sección 5.3. i = (x -v ,)v , + . . . + (* .v ,)v r
17. IMi
- =.4618. 11*1 |Ab| oond(A) x í - i = 3363 x (1.548 x 10-4) = .5206.
Ohserve que |[A*)|/Mcas*« igual a cond(A) por ||Al||/||h|!.
ftjr el ejercicio 2. ||x|* = |i-vl (a + ” » + |x*v,|s.
la desigualdad de Bessel se deduce del hecho de que ||x ||2 < |x I 1, observado antes del enunciado de la d»sigualdad de Cauchy-Schwarz. en la sección 5.7. 5l Suponga que {LUHUjft *» x y para toda*.yen R". ysea c,.... e,la base estándar para R". ParaJ = 1...... n Lfc,es la/ésima columna de U. Puesto que H¿%f “ ” «^-e, - 1. las columnas de í/son vectores unitarios: puesto que = ee* = 0 para j + k, las columnas son ortogonales en pares. 7. Sugerencia: Calcule QTQ. considerando el hecho de que
lft (M)
= 7.178 x 10-*. = 2.832 x 10"4. 1*11 llbll Observe que el cambio relativo en *es mucho más pequeño que el cambio relativo en b. En efecto, puesto que cond(A) x
= 23.683 x (2.832 x \0~*) = 6.707
el limite teórico del cambio relativo en *es 6.707 (con cuatro cifras significativas). Este ejercicio muestra que aun cuando el número de condición es grande, el error relativo en una solución no necesita ser tan grande como se podría esperar.
(uu' ) r = ur r ur = uur.
Sección 6.1. página 363 L 4 6 + 4/ 4
. □ conjunto dado de ecuaciones es A* = b. y el conjunto de todas las soluciones de mínimas cuadradas coincide conel conjunto de soluciones de A TA x = Arb(teorema 13 de la sección 5.5). Estudie esta ecuación, y considere el hecho de que (rrO* = »(rx) = (v7*)*. porque trr*es un escalar. 13. 4 □ cálculo fila columna de Aamuestra que cada fila de A
es ortogonal a cada a en Nul A. Asi. cada fila de Aestá en (Nul A)\ Como (Nul A)xes un subespaclo. debe contener a todas las combinaciones lineales de las filas de A; por lo que (Nul A)¿ contiene a Fil A. 4 Si rango A - r. entonces dim Nul A - n - r, de acuerdo con el teorema del rango. Por el ejercicio 24t1 de la sección
5.3. dim Nul A + dim(Nul A)^ = n Asi. dim (Nul A)1debe ser r. Pero FU Aes un subespaclo r dimensional de (Nul A ) \ de acuerdo con el teorema del rango y el Inciso a). Por lo tanto. FU Adebe coincidir con (Nul A )\ ó Sustituya Apor Ar enel Inciso b) y concluya que FU ArcoinckJe con (Nul A 7) * Como FU ÁT = Col A esto prueha c).1 1S. Si A - URL/7con í/ortogonal. entonces Aes similar a R (porque U es Invertible y UT = í/-1) y asi Atiene los mismos valores propios que £ (de acuerdo conel teorema 4 de la sección 7.2 del sitio Web), a saber, los n números reales sobre la diagonal de R
4
18 + 96/
2
3 4 -1-1/ 4 5 5' 4
2
4 1+1/ * 2V
-J—l / 10
4 11+JO/ 17 17
15 + 14/
10
1
11. Sugerencia: Sean x
Capitulo 6
f)
1
a Sea W = Gen {« v). Dada «en R".sea i = proy w*. Entonces lestá en Col A donde A » [■ v|. por ejemplo, i ~ /Itpara alguna ten R2. Asi. te s una solución de mínimos cuadrados de A* - *. Las ecuaciones normales se pueden resolver para producir i . y después i se determina calculando Al
P
-1-1/ 5 b
4 -1+1/
4 2V B
* & Si n = 4/n. entonces
= 1; M
Si n = 4m + 1. entonces
/* -/+1; l-C A
Si n - 4/n + 2. entonces £/* =/; *■0 A
Si n ■ 4/n + 3. entonces J V =0. 7. La demostración queda a cargo del alumno, ft La prueba queda a cargo del alumno. 11. Sugerencia: Analice cuando a a 0 y cuando a < 0.
Sección 6.2. página 366 L 4 £(4 + 3/) 0
t lJi
4
±W
4 * 2 2
^ 1
2 '
^
± y¡2 ^Ü
2 ^ x/2+2n/2 4 * 2
,
2
http://www.fullengineeringbook.net 448 of 461.
n-'2 ^ /2 /
2 ¿-2+2^2 / 2
Respuestas a los ejercicios con numeración Impar A39
a
4
* a
x = ( - l + / ¿ ) y * = ( - 1 - /2 )
Sugerencias: 4 \fea que cada una de ellas satisfaga la ecuación.
a - 3 - J J Ñ 9 + 1 0 !+>/>/Í09-l0 , # ' 1= i + i '
4 \fea que cada una de ellas satisfaga la ecuación, y que sean distintas. 7. Sugerencia Use la forma polar,
* a
10
10
p
= _4
}
10
10
a
4
O +
4
^ ^ + ^ + 2 + & + ^ l2 j 2 + < r2 - 2 - - j 2 l
1 4 ( - D 1—
x, - 1 + í xt « 1 — /. Xj - - 1 + i. Xt - - 1 - i
Sección 6.6. página 388 1. Cociente q(4 y residuo r(4. 4 q(x) - x - 5 y / t 4 - x2 - 2.
Sección 6.3, página 372
4 qix) = x - A yr{x) = 8 - i.
• L Sugerencia: Analice geométricamente cómo pueden ser z y w.
i
a Sugerencia: Use la definición de módulo de un complejo. • S Sugerencia Revise el circulo unitario. 7. Sugerencia Use las definiciones de módulo y conjugada ft Sugerencia: Recuerde que z-T =|¿}'’.
1L 4
Circunferencia con centroen (1, 0) y radio 3.
4 Exterior del circulo con centroen (1. 0) y radio 3. 4 Interior del circulo con centro en (1. 0) y radio 3.
4 Falso, por ejemplo, el polinomio ¿W = (x - (5 + 4)(x+ 3) = x* - (2 + t ) x - (15 + 3/) tiene a 5 + / como raíz, pero 5 - /no es raíz. 4 Verdadero, ya que si = (x - 4/}2 • A(x). entonces ¿W - (x - Ai) • ((x - 4/) • /K4) - (x - 4/) • donde /
4 Circunferencia con centro en (-5 ,0 ) y radio 4.
Capítulo 6 Ejercidos complementarlos, página 389
4 Elipse con ecuación -^-+ ^-= 1. 9 25 í) 1.a recta con ecuación y = - x
1. forma a + bi: 4 (19 - i) + (2 + 9» = 21 + 8/ 4 (8 - 3/) + ( - 8 + 3/) = 0
Sección 6.4. página 376
1- 4 4
4
0 tan
'3«
71.57*
3rr
4 (9 + 7/) + (9 - 7/) - 18 4 (19 - /)(2 + 9/) = 47 + 169/
. 5w
*T 2ir
4 ~
4 (8 - 3/) - ( - 8 + 3/) = 16 - 6 / / ) (9 + 7/) - (9 - 7/) = 14/
/ ) IT.
(¿9
4 (19 - /)(2 +
a
Sugerencia: Use la fórmula de De Malvíe.
a
Sugerencia: Escriba al complejo zen la forma a + b iy aplique hs definiciones de conjugado y módulo de un complejo.
4 (9 + 7/)(9 - Ti) = 130 . (19-/) = 29 173y J (2 + 9 /)" 85 " 8 5
Sección 6.5, pág in a 383 4
L Sugerencia: Considere el complejo cas# + /sen# y elévelo al cuadrado. a
Rale» sextas de 1: {jr— 1). x = -+ -/> /3 . 2 2
+ -/V 3 . 2 2
3. Forma a + ó/:
4 (1 + z)20 = —1024 4 (2/)200- 2200
Ralees sextas d e - 1 : x = - v/3 + - / . {x = i). x = — v/3+ -/. 2 2 2 2 2
2
2
2
(8-3/) (-8+3/) (9 + 7 /)_ 1 6 | 63i (9 -7 /) 65 65
x= —
{•*•= - O . ■*•= 4 - Í / V 3 . ^ = i—I#V3. 2 2 2 2
r = _ I / 3 _ I ¿ ( x = _ /} . x = - v r3 - - / .
- 47 + 169/
4 (8 - 3 /)(-8 + 3/) - -5 5 + 4 8 /
4 (V 3 -/= -6 4 fk
f {A-f) = - - - / .
5
5
/T4 + !) = — + - / 5 5
http://www.fullengineeringbook.net 449 of 461.
A40
7.
Respuestas a los ejercicios con numeración impar las raíces quintas de 4 - 8 « 8(cos(irj + /senfcr)) son
q ■ j/8 |o o s| — y -2- jfr/sen^ ?- y -2- jj~ fr'8(cos(flr)+/sen<7r))
s-^ cK
^ H ^ J-* H
t H t ]|
Las raíces quintas de 4 l - /= v12 |c o s| 7^- | f / sen^
[— + l x 2 i r |
q -% f2
r. - ^ 2
^j j son
( — + 1 x 2 it
— + 2 x2 ir) í — + 2x2w)l -jf/sen
JM K l’M lH
)* /SOT( J - !r ^
))= ^
’ )* /sen( l l " ))
9l Las soluciones de la ecuación so n ^ = 2 + X ^ = l - 3 /
11. 13.
Las raíces son r\ - 1 - í n • I + /, n - v 3 . r< - —/Z . 4 ^rdadero. Ejemplo: (i2 + 1)(* - 2) = ¿ - 2 ¿ + x - 2. 4 Falso. Si 2/es ral7, entonces su conjugado -2/tamhién es raíz. 4 Falso. Si 1 + 2/y 1 - /sonraíces, entonces 1 - 2 /y 1 + / también son raíces y como - 3 es raíz, el polinomio tendría grado cuatro y cinco ralees, lo cual es Imposible. 4 \ferdadero. Ejemplo: ( x - (1 + 3JW x- 0 - 3 /))(* - (1 - /) )( * - (1 + /)) = ** - 4a4 + 16*2 - 24* + 20.
http://www.fullengineeringbook.net 450 of 461.
Respuestas a los ejercicios de autoevaluación Capítulo 1. página 95
Capítulo 2, página 172
L d.
a
1. h I
0
0
1 -2
0
0
a
2. c. a
No.
4
c
i
d.
a
A r= A / . í / r » A/ = U x,/ = (6. 9. -52). j r - (10. - 2 .-1 3 ).
0
4
Hay una infinidad de soluciones, las variables básicas son x,. xi.xsyla s variables libres son jq, &
x\ »
4
14 -4
3
- 1 - 6/i - 6*.
* ■ tu •3 = 6. * = 2.
7.
•S = 4.
&
+ 2% - b
-3 a ,
a
1 0 0 2 1 0 2 -3 1
(480.9269663. 892.2752811. 825.1404495). SI.
4 H sistema es consistente siempre.
la
4 B sistema es consistente si y sólo si 6b\ - 11fe + 13fe “ 0.
U . {(0.0. 1.0). (0. 1,0,0), (1.0. 0 .0 )).
No.
{(2.4.0. I).(5. -7 . 1.0)}.
12. 02. -3). 13. 2.
ft fóra toda A * - 4 . 7. Para toda A & a
2 4 5 0 3 -5 0 0 -1
576840 en la ciudad y 923160 en los suburbios.
1 0 5 0 1 4 0 0 1
14
-24 10
Capítulo 3, página 202
1. - 11.
-7 II
2. 0.
4 Hay un número infinito de soluciones una de ellas es 3
a 4 - 7.4 • 3.
4
-2 4 0
a
±2. x¡
* “18 2 (s-2 )(s+ 2) y
4s+3 (s-2)(s+2)
40. 200,
4 Hay un número infinito de soluciones una de ellas es 4 -13 5 1 61 5
7.
1 0 8 7 _1 32 ~4 1 1 4 . 32 8 -8 0
0 0 1 2
72 -16 48 1 0 15
A41
http://www.fullengineeringbook.net 451 of 461.
A42
Respuestas a los ejercicios de autoevaluación
Capítulo 4. página 282 1. d a
h
a
-2 0 3
1 0 0 0 1
0 1 0 0 0
1 0 0 0 0
4.
a
7 2 0 1 0
-5 -1 1 0 0
7. 1.63299316. „ 67 4 & y = ------x.
0 0 1 0 0
7
0 0 0 1 0
12
3
Capítulo 6, página 3 9 1 L (9 + i) + ( - 6 - 2/) - 3 - /. 2. ( - 7 + » (—7 - /) - 50.
-3 2 I
a
(6 + 9/)’ - -4 5 + 108/.
SI. 2 -1
1}
&
&
ft d lm W -2 . la dimensión del espacio nulo es 4 y la del espacio columna ® 3. 10 23
u. M
5
5
v'130
7. Las soluciones de la ecuación son *| = - j - f - * — ,— 8 8 -3 Tiira y* = l T 8 R la s soluciones de la ecuación son *i - 4 + /y *> = - 1 - 5 /
12. 2*, 3*. ( -3 ) 1. la
1 1 c o n s s R. 1 1.
,
7. c.
la
5 2 5 +s 3 ~2 0
x\ x, “ X* x,
ft ir.
9.7%.
v'2bfe]+,*nIM
Capítulo 5, página 35 3 1. 3n/Í4. 2. Sí.
3. 7 =
1 11 21 4 -7 17 8
con w =
1 21 17
yv =
11 -7 8 1Q ( -1 + /)*» = 210.
4.
-1 27 25
pmywty 0
73 a
=
1
'73 _1_ 73
3 v 33
14 7330
3
1
73
73
2
2
733 2
7330 9
733 4 733
7330 7 7330
y*=
3 11^ 733 " 733 30 7330
http://www.fullengineeringbook.net 452 of 461.
Indice analítico A Adjunta. matriz, 193. 202 Álgebra de matrices. 98. 101 lineal. 2 ecuaciones en 5 Algoritmo. 16. 118 de factortzaclón LU. 135 de la división. 385 de la división para polinomios. 385 Análisis de datos. 133 de tendencia, 346 de datos. 345 de varíarea, 322 Ángulos. 295 Anillo conmutativo. 360 Anttconmutattvas, 170 Aplicaciones en manifestaciones artísticas. 358 Aproximación de Fourier. 347 Argumento. 370 Aritmética de punto flotante. 13 Axiomas. 209. 215. 336
Base(s). 227. 230 cambio de. 259 estándar. 227 ortogonal. 299, 316 para Nul A y Col A. 229 C Cadenas de Markov. 271. 274 Cambio relativo. 351 Campo. 359 Cantidades aumentadas. 145 Casoratiano. 263 Centro de proyección 152 Cerradura. 361 Circuito con derivación 138 enserie. 138 Clase positiva. 361 Códigos fraciales. 358 Coeficiente (s). 6 de correlación. 296
de filtro, 264 de Fourier. 347 de tendencia. 346 principal del polinomio. 384 Cofactor. 179, 180 Columbia. 207 Columnas pivote. 230 Combinación lineal, 31. 212 de vectores. 219 Complementóte) Schur. 132 ortogonales. 294 Compresión de imágenes. 358 fractal, 358 Conjuntóte) de dos o más vectores. 62 de Julia, 357 rellenos. 358 de uno o dos vectores. 61 generador, 212 linealmente Independientes, 226 ortogonales. 298 ortonormales, 302 solución 7. 217 Constante de ajuste. 269 Contracción 70 Contraste entre Nul A y Col A. 220 Coordenadas. 235, 236 homogéneas. 149. 151 tridimensionales. 151 matriz de cambio de. 237, 258 Cuenta de demandas finales, 142 Curvas con mínimos cuadrados. 331 D
Demanda Intermedia. 142, 143 Descomposición de una fuerza, 302 ortogonal. 308 Descripciones geométricas. 29 parantétricas. 23 Deslgualdad(es). 339 de Bessel. 350 de Cauchy Schwatz. 339 del triángulo. 340
Determinante(s), 113. 174. 177 como área o volumen 194 de una matriz. 178. 179. 202 Introducción a los. 178 propledad(es) de los. 183 linealidadde la función 187 triangular. 186 y productos matriclales. 186 Diagonal principal. 102 Dilatación 70 Dimensión(es), 234 de Nul A y Col A. 246 finita. 244 infinita, 244 y rango. 163 [Xseño Asistido por Computadora (CAD), 148 Distancia en R. 292 Dominio entero. 361
Ecuaciónfes) auxiliar. 266 deprecio. 147 de primer orden 268 de segundo grado. 364 de tres momentos. 270 en diferencias. 88. 262 lineal (es). 2, 5. 6. 266 consistentes. 7 en diferencias, 284 equivalentes. 7 inconsistentes, 7 redes eléctricas y. 86 sistemas de. 6 matricial, 6. 38. 39 no homogéneas. 267 normales. 289. 321. 330 químicas balanceo de. 55 vectorial paramétrica. 48 vectoríal(es), 6. 28 Qe real. 367 Elementóte) neutro aditivo. 360 positivos. 361 unitario, 360 Eliminación gaussiana. 16 II
http://www.fullengineeringbook.net 453 of 461.
12 kidlce analítico Entrada(s) principa! de una fila, 16 de (I-Q -'. 145 diagonales. 102 Error (fe. mínimos cuadrados. 323 relativo, 351 Escalar. 29 Escalonada reducida. 218 Espaclo(s), 217 columna de una matriz. 219 con producto interior. 336 dp columnas. 157 fila, 249 nulo, 158.222 (fe una matriz, 216, 217 vectorial (es). 204. 207, 208. 211 dimensión de un. 243 tea!. 209 y subespack» vectoriales, 208 Existencia y unicidad. 24. 76 teorema de. 25
Factorización(es) de matrices. 102, 133 en ingeniería eléctrica. 137 de polinomios. 384 de rango. 140 *1 mapeo. 135 LU. 134 LU permutada, 137 LU reducida, 140 QR de matrices, 316 Fase progresiva. 18 Filtro lineal. 264 pasa bajos. 265 Flop.24 Flujo de redes, 56 Forma(s) (fe De Moivre. 377 de desviación media, 330 de Euler, 374 escalonadaís). 16. 17, 18 reducida. 17, 250 ¡raciales. 357 Función(es) de onda cuadrada. 349 de tendencia. 346 de transparencia. 132 holomorfas. 357 o mapeo. 67
G Gen. 34 Gráficos por computadora. 148 tridimensionales. 150 I Independencia lineal, 59 de las columnas de una matriz. 61 en el espacio. 263 Interpretación geométrica. 301, 309 de los números complejos, 367 fyáfica de las coordenadas. 235 Intersección. 215 Inversión de matrices, 118 Inverso aditivo. 360 Isomorfismo, 238
L Ley de Klrchhoíf sobre el voltaje. 86 Lineales modelos. 5. 328 sistema de ecuaciones. 5. 6 Linealmente dependiente. 226 independiente. 60. 226 Longitud dp un vector. 291 dstancia y ortogonal idad, 337 norma, 291 M Mapeo. 79 (fe coordenadas. 234, 237 Matraces), 8. 303 adjunta. 193, 202 anticonmutativas. 170 aumentada. 8. 14 cero, 102 codicíente, 8 cuadrada, 184.304 (fe cambio de coordenadas, 237, 258 dp CasoratL 263 dp coeficiente, 8 dp consumo. 143 dp controlabilídad. 282 (fe diseño, 328 efe espín de Paull. 170 (fe flexibilidad, 114 (fe Householder, 350 (fe mlgraclóa 89 (fe reemplazo de fila. 187
(fe rigidez, 114 (fe transferencia. 138 d» una transformación lineal, 74 de Vandermonde, 170 diagonal por bloques. 130 eJemental(es), 116 equivalente por filas, 10 escalonada, 17 reducida. 17 estándar para la transformación lineal. 75 eslocástica. 272 Értorizaclones de. 102 identidad. 42 inversa de una. 112 hversiónde. 118 hve rtibles. 121 multiplicación de. 104. 105. 107 no singular. 113 nula. 102 operaciones de. 102 ortogonal. 304. 311 partlc tonadas. 101. 127 inversas de. 129 multiplicación de. 128 potencia de una. 108 singular. 113 sistema de. 132 tamaño de una. 8 transpuesta de una. 109. 193 triangular inferior. 125 unitaria, 134 triangular superior. 125 -vector, propiedades del producto, 43 Mejor aproximación en espacios con producto Interior. 338 aproximación. 310 Mlcromodos. 358 Mínimas cuadrados. 289. 320. 321 error de. 323 ortogonalldad y, 288. 289 plano de. 332 ponderados. 343 recta de. 328 Modelado de formas naturales, 358 Modelo{s) (fe computadora en el diseño de aeronaves. 101 de Leontlef de entrada y salida. 142 íneal(es). 5. 328. 331 en economía e Ingeniería, 5 m los negodos. denda e Ingeniería 84 funeral. 331
http://www.fullengineeringbook.net 454 of 461.
índice analítico Multiplicación de matrices. 104. 105, 107 partícloradas. 128 escalar. 70 por bloques. 128 M último escalar. 28. 103
N Nodos. 56 Normalización. 292 Núcleo. 222 y rango. 221 NulA.218 y Col A. 221 bases para. 229 dimensiones de. 246 Nulidad. 251 Número(s) de condición. 124, 351 complejas. 354. 359. 384 conjunto de los. 359 O Operaclón(es) con números complejos. 359 de columna. 186 de fila. 183 de matrices. 102 Orden. 347 Ortogonal idad, 294 y mínimos cuadrados. 288. 289 P Parte Imaginarla, 360 real. 360 Rmlclones. 127 Pivote. 18 Pivoteo parcial. 18 Plano complejo, 367 de mínimos cuadrados. 332 Polígonos Legendre. 343 Polinomio cero. 210 de grados. 210 de interpolación. 170 trigonométrico, 347 Posiciones pivote. 18 Potencia de una matriz. 108 PrecMs), 53 de equilibrio, 53 Principio de superposición. 87
Procesamiento previo. 133 Proceso de Gram Schmidt. 314. 337 Producto escalar o producto Interno, 111 exterior. 111 Interior. 290. 336, 340. 343 Programación lineal. 6 Propensión marginal al consumo. 269 Propiedad(es) algebraicas, 31 de Hnealidad. 201 de la función determinante, 187 multiplicativa, 187 Proyecclón(es), 171 en perspectiva. 152 ortogonal (es). 299. 307 propiedades de. 310 R Raíz //¿sima de números complejos. 377, 378 Ramas. 56 Rango. 222. 248 de una matriz, 165 teorema del. 251 y el teorema de la matriz Invertible. 186, 253 Rectas de mínimos cuadrados. 328 Red(es). 56 en escalera. 138 eléctricas. 6 flujo de. 56 Reducción por filas. 16 Reflector elemental. 350 Reflexión de Householder. 171 Regla deCramer. 191. 194. 202 fila-columna. 106 fita vector. 42 Regresión múltiple, 332 Relación de dependencia lineal. 226 de recurrencia 88 Representación polar. 373 trigonométrica del complejo. 373 Residuo, 329
S Sector abierto. 142 Señal. 209. 262 discreta de tiempo. 210, 262 Serie de Fourier, 347 Síntesis. 133
Sistemáis) coordenadas. 163 de control, vuelo espadal y. 207 de coordenadas. 234 de ecuación. 252 de matriz. 132 de posicionamtento global (GPS). 289 homogéneo en economía. 53 lineal (es), 6. 47. 53 homogéneo^. 6. 47 no homogéneo(s). 48 solución de un. 8 Sonda Gallleo. 132 SubespackHs). 156. 211. 213, 268 base para un. 158 cero. 211 de dimensión. 244 de un espacio de dimensión finita. 245 dimensión de un. 165 generado por un conjunto. 212 Suma de columna. 144 vectorial. 69 y multiplicación escalar. 128 por escalares. 208 y múltiplos escalares. 103 Sustitución regresiva. 23 T Teorema(s) base. 166. 245 de De Molvre. 378. 383 de descomposición ortogonal. 308 de la matriz invertible. 253 de la mejor aproximación 310 de la representación única. 234 de Pitágocas. 294 del conjunto generador. 227. 228 del rango. 166, 251 fundamental del álgebra. 387 Término principal, 384 Transformación(es) compuestas. 150 de trasquilado. 69 llneal(es). 66. 69. 75. 196. 222 matriz de una. 74 geométricas. 76 lnvertibles. 123 matriclales. 67. 75 Transformadas de Laplace. 192 Transpuesta de una matriz, 109 Trayectorias aleatorias y distorsión 177
http://www.fullengineeringbook.net 455 of 461.
13
14 hdlce analítico TYiAngulo
Inferior permutado. 137 superior por bloques. 129 U Unicidad de la forma escalonada reducida. 17 Unidad de producción del sector, 142 Uniones. 56
V Valor observado. 329 predicho. 329
promedio, 341 Vhriable (s) Ubre. 22 tóslcas. 22 \fector(es). 28. 31 cero. 31 columna. 28 de consumo unitario. 142 de coordenadas. 164. 234 de demanda final, 142 de estado. 272 estable. 275 de migración. 272 de observaciones. 328
de parámetros. 328 de precio. 147 de probabilidad. 272 de producción. 142 de valor agregado. 147 ortogonales. 293 residual. 331 unitario. 292, 337 Vtelo espacial y sistemas de control. 207
http://www.fullengineeringbook.net 456 of 461.
Créditos de fotografía P ágina 54 Torres de alta tensión eléctrica y cables: Haak78/Shutterstock; tren del lago Llanberis en la estación Llanberis de Snowdonia, Gwynedd, North VVales: DWlmages Wales/Alamy; Máquina para pulir acero: Mircea Bezergheanu/Shutterstock. P ágina 58 Bienes: Yuri Arcurs/Shutterstock; Servicios: Michael Jung/Shutterstock. P ágina 88 Vista aérea del centro de Kuala Lumpur. SF Photo/Shutterstock; Vista aérea del suburbio residencial en las afueras de Phoenix, Arizona: lofoto/Shutterstock. P ágina 132 Sonda espacial Galileo: NASA. Página 151 Modelado molecular en realidad virtual: Departamento de Ciencias de la Computación. University o f North Carolina en Chapel Hill. Foto de Bo Strain. P ágina 177 Richard Feynman: AP images. P ágina 207 Transbordador espacial Columbia; Centro Espacial Kennedy/NASA. P ágina 239 Computadora Laptop: Tatniz/Shutterstock; Smartphone: Kraska/Shutterstock. P ágina 272 Chicago, vista frontal: Archana Bhartia/Shutterstock: Inmobilaria Noah Strycker/Shutterstock. P ágina 289 Datum de Norteamérica: Dmitry Kalinovsky/Shutterstock. P ágina 334 Cometa Halley: Art Directors & TRIP/Alamy. Entrada Capítulo 7 (Uéb) Búho manchadodel Pacíficodel Norte: John y Karen HollingswortlV US Fish and Wildlife Service. Entrada Capítulo 8 (Web) Satélite Landsat: NASA. Bandas espectrales y bandas principales: MDA Information Systems. Inc. o f Gaithersburg. Maryland. Puente: Maslov Dmitry/Shutterstock; Construcción: Dmitry Kalinovsky/Shutterstock; Familia: Dean Mitchell/Shutterstock.
C1
http://www.fullengineeringbook.net 457 of 461.
Referencias a las aplicaciones ["*• indica material en el sitio Web.
AlfffanbMalnnérka Algoritmo QR. 280. 324 Aritmética de punto flotante. 9. 20. 185 Arquitectura de tubería vectorial, 120 Cociente de Raylelgh, 324-325. 391 Complemento de Schur. 122 Conteas de operacióa 20. S 109. 125.S 127. 167. 172 Descomposición en valores singulares. 130,414-424 Descomposición espectral. 398 399 Descomposición polar. 432 Error relativo. 391 Factorbaclón de Cholesky. ["” J 406, 432 Factorbaclón de Schur. 391 Factorbaclón espectral. 130 Factorlzaclón LU, 124-127, 129-130. 131. 432 Factorbaclón para revelación del rango 130, 264. 432 Factorbaclón QR. 357 358. S 359, G «] 367. 390 391 LAPACK. 100. 120 Matrbde banda, 131 Matrfede Gram. 432 Matriz de Hllbert. 116 Matriz de Vandermonde. 160. 188. 327 Matriz compañera, 327 Mttrtz diagonal en bloques, 120, 122 Matriz dispersa. 91. 135, 172 Matriz mal condicionada (problema). 114, 364 Matriz trtdíagonal. 131 Método de Jacobl para valores propios. 279 Método de potencia. 319 322 Método de potencia Inversa. 322-324 Métodos iterativos. 319-325 Números de condición. 114. 116. 176. 391. 420 Pivoteo parcial. 17. *“ 1127 Potencias de una matriz.!*5*198 Problemas a gran escala 91-92, 120. [*"] 329-330 Proceso de Cram Schmldt, L^l I359 Procesamiento en paralelo. 1 Producios externos, 101. 119 Rango efectivo, f***l 236. 417 Reflexión de Householder. 161. 390 Rotación de Givens, 90 Seudolnversa. 422, 433 SubespaciOS fundamentales. 237. 335, 420 421 Teorema del rango. 233, 238
O m r i» ftd rw Cálculo de masa de sustancias radiactivas, 374 Centro de gravedad. 33 Gima. 261 Gima. 261 Cfescomposlclón de una fuerza. 342 Ecuación de los tres momentos. 252 Eliminación gausslana. 12 Experimento en túnel de viento, 23 Flujo de calor de estado estable. 11. 87 88. 131 Flujo de tráfico, 52-53. 55 Formas cuadráticas en física. 401 408 Imágenes de Landsat. 0?“ ] 393 394 Interpolación de polinomios. I*™. 23. 160 Ley de Mooke. 104 Matrices de espin de Pauli. 160 Modelo de glaciares. 372 Modelo para el pl I del suelo. 372 Modelos lineales en geología y geografía. 372-373 Movimiento periódico. 295 Principio de superposición, 68. 83. 312 Primera ley de Kepler, 374 IteaocIones químicas. 51, 54 R?d cristalina 218. 224 Sistema de masa y resorte. 196-197. 214 Sonda espacial. 121 Sonido grabado digttalmente. 245 Superficie de tendencia. 372 Mga en voladizo. 252 C o n futadora» y ciencia de la m í n* ir ifri Almacenamiento de datos. 39. 130 Arquitectura de tubería vectorial. 120 CAD. 487. 491 Códigos para detección y corrección de errores. 399. 422 Coordenadas homogéneas, 139-140. 141 Qirvas y superficies de Bézler. 460. 481 492 Estaciones de trabajo para gráficos por computadora de acabado fino. 144 Gráficos con computadora. ISEJ92, 138-146, 449 451 Modelos de malla de alambre, 91. 138 Monitores a colar. 145 146 Microprocesadores VSU. 117 Procesamiento paralelo. 1. 100 Proyecciones perspectivas. 1* ° .' 142-144 Realidad virtual. 141 Supercomputadora Cray. 120 Teoría de Juegos. 469
Bic*n0ayecoln#a
E sfed b tk a
Búhos manchados y modelos de matrices por etapas. l*5*J 265 266. 307 309 Estimación de la presión sistólica de la sangre. 374-375 Modelado molecular. 140-141 Problemas de nutrición. LüüJ 80 82. 86 Producción primarla neta de nutrientes. 371-372 Pruebas en animales de laboratorio, 260 Sistema depredador presa. 302-303. 308, 310
Análisis de variaran, 362 Análisis de tendencia. 385 386 Análisis del componente principal. [* "] 393-394. 427-428 Gidenas de Markov. S 253-262. 279 Coeficientes de regresióa 369 Covarianza. 425-427. 428. 429. 430 Fjtot de mínimos cuadrados. 363
http://www.fullengineeringbook.net 458 of 461.
Forma de desviación media para daten. 370, 425 Formas cuadráticas en estadística, 401 Inversa de Moore Penrose. 422 Mínimos cuadrados ponderados. 376. 383-385 Modelo lineal en estadística. 368-375 North American Datum. ["■] 329 330 Polinomios ortogonales. 379 Potencias de una matriz, L” J 98 Procesamiento de Imágenes multicanal. G*“ 3393-394. 424-432 Rango completo, 237 Recta de mínimos cuadrados. Í^"J 329, ." " I 367, 368-370 Regresión múltiple, 372-373 Regresión ortogonal, 431-432 Sumas de cuadrados (en regresión). 375, 383-384 Vfrriaroa. 375, 426 427
Ingmirrta Conducción de calor. 131 Control del transbordador espacial. LíOJ 189-190 Controles de retmalimentaclón. 469 Boeing Blended \Vlng Body, I.*” . 92 DFC y diseño de aeronaves. l«OJ 91 92 Deflexión de una viga elástica. 104, 111 Deformación de un material. 432 Desempeño de aeronaves. 375. 389 Encuestas. O*"] 329-330 Factorización LU y flujo de aire. L- ) 92 Filtro promedio de movimiento. 252 Matrices de flexibilidad y rigidez, 104. 111 Principio de superposición, 66, 83. 312 Procesamiento de Imágenes. !■" 393 394, 424 425. 430 Temperaturas de equilibrio. 11. 87 88. ["O] 131 Viga en voladizo. 252 ■ - ■ » -* > _ _ íD ^ ü K T ii o f c n r i
Circuito de indurtanda y capacitancia. 205 Circuitos en sale yen derivación. 128 Circuito RC. 312-313 Circuito RLC. 214. 316-318 Corrientes de rama y circuito,!""382-84 Diseño de circuitos. ["5*12. 128 Filtro pasa bajos, 247, í ***] 367 Filtros lineales. 246 247, 252 Flujo de corriente en redes. [ " " ] 82-83. 86-87 Ley de O h r n . S 82-83 I.eyesde Klrchhoff. S 82-83 Matriz de transferencia, 128-129, 130 131 Realización mínima. 129 Red de escalera. 128. 130-131 Señales de tiempo discreto, 191-192. 244-245 Transformadas de Laplace, 122. 178 MaÉnadtkas Área y volumen. [*■] 163 164. 180-184.275 Atractores/repulsores en un sistema dinámico, 304-307. 310, 313-314.318
Desigualdad de Bessel, 390 Desigualdad de Cauchy Schwarz. 379 380 Desigualdad del triángulo. 380 Ecuaciones diferenciales. 204 205, 311 319 Extremos pata funciones de varias variables. 407 lilpercubo. 477-479 Interpolación de polinomios, lüüJ23, 160 Isomorflsmo. 155. 220-221 Matrizjacobiana, 304 Mejor aproximación en espacios de funciones. 378-379 Polinomio de l^gendre, 383 Polinomios de HermJie. 229 Polinomios de Laguerre. 229 Polinomios trigonométricos. 387 Secciones cónicas y superficies cuadráticas. t.O»J 405-406 Series de Fourier. 387-388 Slmplejo. 475-477 Splines. S 23. 481-484. 490-491 Transformadas de I^plaoe. 122. 178 TVansformaclones lineales en cálculo. 204.! " " 290-292
Nefpdn y economía Cadenas de Markov. D«0 253 262. 279 Conjunto factible. 412 Curva de costo promedio. 371-372 Curva de costo total. 372 Curvas de indiferencia 412-413 Demanda Intermedia. 133 Ecuación de precio. 137 Flotilla de automóviles en renta. 87. 261 Inversión. 252 Maxlmlzaclón de la utilidad sujeta a una restricción de presupuesto. 412 413 Modelo acelerador-multiplicador. 251 Modelo de costo variable. 374 Modelo de entrada y salida de Leontlef, 1. 132-138 Modelo de intercambio de I.eontief. 1. [*■*] 49-51 Movimientos de población. 84 85. 87. 255, 261. 279 Operaciones de manufactura. 31, 67 68 FYeclosde equilibrio. ["".49-51. 54 Producto Interno bruto. 137 Programa de amortización de préstamos. 252 Programación lineal, S 2. ® 82-83. 120. 436. 469. 472 Propensión marginal al consumo. 251 Tabla de Intercambio, 53-54 \fector de valor agregado. 137 Víctores de costo, 31
Ifcaria de control Función de transferencia (matriz). 122, 128 129 Ingeniería de sistemas de control 122.1*0.1189 190 Modelo de estado y espacio, I""1284. 301 Respuesta de estado estable, 301 Sistema controlable. 1* "] 264 Sistema desacoplado. 306. 312, 315 Sonda espacial, 121
http://www.fullengineeringbook.net 459 of 461.
El enfoque por competencias en la educación superior se va adoptando paulatinamente en gran parte de las instituciones universitarias. Más allá de los esfuerzos que se realizan por ofrecer capacitación a los profesores, y del interés que ellos muestran en prepararse para este nuevo reto, hacen falta apoyos para comprender esta forma diferente de guiar a sus alumnos en el aprendizaje.
álgebra lineal
para cursos con enfoque por com petencias de David C. Lay, ofrece una introducción al álgebra lineal y una amplia selección de aplicaciones intere santes; al mismo tiempo brinda un importante apoyo para el uso de tecnología en el curso. La estructura del libro incorpora secciones específicas con elementos para el aprendizaje, tanto desde el punto de vista disciplinar del álgebra lineal como desde el enfoque de competencias. Entre estas secciones destacan: Competencias a desarrollar y actividades de aprendizaje. Organizador gráfico, que muestra una visión global de los conceptos. Ejemplo introductorio en cada capítulo, con la aplicación de los conceptos que se van a tratar, así como su relevancia social, económica o científica. Desarrollo teórico de los conceptos, que incluye aplicaciones y ejemplos, teoremas y demostraciones formales, problemas de práctica seleccionados con gran cuidado y sus soluciones completas, ejercicios y problemas de trabajo individual y de trabajo colaborativo, preguntas de verdadero/falso, ejercicios de escritura y temas computacionales. Autoevaluación al final de cada capítulo, que da a los estudiantes la oportunidad de identificar los aspectos que resuelven con facilidad, y aquellos que requieren mayor atención y estudio. Este libro incluye un capítulo inédito sobre números complejos, Los capítulos de Valores propios y vectores propios, Matri ces simétricas y formas cuadráticas, y Geometría de espacios vectoriales están disponibles con esta nueva estructura en el sitio Web: www.pearsonenespañol.com/lay
Visítenos en: www.pearsonenespañoLcom http://www.fullengineeringbook.net 460 of 461.
a
Libros, Manuales, Cursos, Revistas, Software, Video Tutoriales, Trucos, Películas, Series, Juegos, Utilidades, y mucho más… Gratis para el Conocimiento Continuo.
https://www.facebook.com/IngAlexisLlontop
VISÍTANOS EN NUESTRAS DIFERENTES WEBS PARA DIFERENTES SERVICIOS!
LIBROS, MANUALES, SOFTWARE SOBRE PROGRAMACIÓN Y OTRAS UTILIDADES AQUÍ: a
http://alexyniorlls.blogspot.com
TODA INGENIERÍA EN UNA SOLA COMUNIDAD, LIBROS UNIVERSITARIOS Y DE TODA INGENIERÍA AQUÍ:
http://fullengineeringbook.blogspot.com
REVISTAS, PROGRAMAS FULL AQUÍ:
http://reprofull.blogspot.com